Uso de tecnologias de informação e comunicação na gestão pública: exemplos no governo federal
Bibliographic record
Abstract
A administração pública passou por diversas mudanças nos últimos 30 anos. Parte dessas alterações tem origem nas oportunidades criadas pelas inovações tecnológicas. O objetivo deste trabalho é apresentar como tem sido o uso de tecnologias da informação e comunicação (TICs) nas inovações promovidas na administração pública federal brasileira. Para tanto, tomamos como base a descrição de cinco experiências inovadoras em TIC premiadas nos concursos anuais Inovação na Gestão Pública Federal, realizados pela Escola Nacional de Administração Pública (ENAP): o Portal da Transparência da Controladoria-Geral da União (CGU); o Programa Nacional do Livro Didático; o uso dos computadores de mão pelo Instituto Brasileiro de Geografia e Estatística (IBGE); a entrega da Declaração do Imposto de Renda via internet; e a utilização de urnas eletrônicas nas eleições brasileiras. A despeito da relevância dos avanços do governo eletrônico brasileiro até aqui, medidas de aprimoramento da interação entre os diversos órgãos públicos e também das políticas públicas de inclusão digital ainda se fazem necessárias.Palavras-chave: governo eletrônico, inovação na gestão pública, tecnologia da informação e comunicação
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".