Trends and Perspectives of SDG 3 Indicators in Brazil: A Statistical Analysis for 2030
Notice bibliographique
Résumé
The objective of this study was to analyze the trend of each standardized indicator for SDG 3 in Brazil, assess the potential for achieving the goals, and evaluate future scenarios for 2030. To this end, data from 40 indicators (28 indicators plus subdivisions) available in the “ODS Brasil Database” and the “SDG Indicators Database” were used. These data were analyzed using monotonic trend analysis, which employed the Mann-Kendall statistical test and Sen’s Slope trend magnitude estimator. The study compares the estimated values for 2030 to the targets set out in the SDGs. Among the indicators assessed (p < 0.05), 5 (12.5%) have the potential to achieve the goals by 2030, 4 (10%) indicators do not have the potential to achieve their goals, and 3 (7.5%) indicators have no conditional goals. However, there is a trend of improving results by 2030. Of the specific Brazilian indicators, only 5 (12.5%) have the potential to achieve the goal defined by the United Nations. The study’s findings support strategic decisions in resource allocation, as they highlight those that have the potential to achieve the 2030 goals and those that require greater attention. These findings can inform the development of more effective public policies, support informed decisions in resource allocation, and enhance governance and transparency in the implementation of the 2030 Agenda.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».