A.X.I.S. Adaptive eXemplar for Integrity and Sustainability:
Notice bibliographique
Résumé
A.X.I.S. — Adaptive eXemplar for Integrity and Sustainability é um framework universal de governança ética concebido para integrar integridade institucional, sustentabilidade e desenvolvimento humano-centrado em organizações públicas, privadas, acadêmicas e multilaterais. Herdeiro direto das obras M.O.R.F.O.S. (forma), M.O.R.F.I.A. (integridade da inteligência) e S.E.G.I.A.I.S. (ética aplicada a sistemas de informação e IA), o A.X.I.S. estabelece uma arquitetura moral que combina fundamentos metafísicos, ontológicos e operacionais em um modelo coerente e adaptável. O framework estrutura-se em seis Domínios Ontológicos — Ambiental, Social, Governança, Tecnológico, Cognitivo e Legado — que representam as bases essenciais da ética institucional; e em sete Domínios Adaptativos, que descrevem as manifestações práticas da ética em governança, sustentabilidade digital, justiça social, sociedade civil, educação ética, tecnologia responsável e diplomacia ética. O A.X.I.S. introduz o CIU-E (Ciclo de Integridade Universal e Elevação), a MEA (Matriz de Aplicabilidade Ética), o NMMI (Nível de Maturidade Moral Institucional), o MAI (Modelo de Adaptação Institucional) e mecanismos de supervisão como Comitês Universais de Ética e Relatórios Trienais de Legado Ético. Essa estrutura integra princípios de integridade, responsabilidade intergeracional, sustentabilidade planetária e uso ético da tecnologia. Projetado para aplicabilidade global, o A.X.I.S. oferece um eixo moral que orienta decisões, fortalece culturas organizacionais e alinha inovação, inteligência artificial e governança ambiental/social com dignidade humana, justiça e responsabilidade institucional. Palavras-chave: Ética; Governança; Inteligência Artificial; Sustentabilidade; Segurança da Informação; Moralidade Institucional; ESG; Integridade; NeoForgeLab.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».