Configurações espaço-temporais: posicionando territórios, sujeitos e ações em um laboratório de pesquisa
Bibliographic record
Abstract
Nesse trabalho buscamos compreender as configurações de espaço/tempo que funcionam em um laboratório de pesquisa em bioquímica, como elas articulam relações entre as pessoas que por ali circulam e como integram os processos de constituição de suas subjetividades. Para a inserção no laboratório, utilizamos ferramentas de cunho etnográfico que nos possibilitaram analisar algumas construções cotidianas de tempo/espaço perpassadas pela ordem/desordem, em especial as estratégias de ordenação no e do laboratório como: a marcação territorial (através da inclusão de objetos e das formas de compor os espaços), os não-lugares caracterizados pelo uso e construção compartilhados dos espaços/tempos (lugares não-territorializáveis de uso coletivo e circulação rápida), as rotinas de laboratório, o funcionamento de diferentes tecnologias (informáticas, digitais e de telecomunicação) promovendo diversas articulações de espaço/tempo, além das formas presenciais ou não de governamento (hierarquizações, vigilâncias e produtividade). Por fim, essas análises nos possibilitaram perceber que, assim como em tantos outros espaços, no laboratório de pesquisa coexistem e articulam-se diversas configurações espaço-temporais posicionando territórios, sujeitos e ações.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".