MAPEAMENTO AMBIENTAL PARTICIPATIVO NO PLANEJAMENTO AMBIENTAL DA BACIA HIDROGRÁFICA DO CÓRREGO EMBIRÍ – UGRHI PONTAL DO PARANAPANEMA – SÃO PAULO
Bibliographic record
Abstract
Esta pesquisa tem como objetivo subsidiar as atividades de planejamento ambiental da bacia hidrográfica do Córrego do Embirí, localizado na bacia do manancial Rio Santo Anastácio, na UGRHI Pontal do Paranapanema – São Paulo, aplicando-se a metodologia de mapeamento de riscos ambientais e planejamento participativo. A principal atividade no contexto desse método é a reunião pública de mapeamento de riscos ambientais, fornecedora da maior parte das informações e considerada a etapa fundamental para a mobilização social visando à gestão participativa, o planejamento e educação ambiental. Nas reuniões públicas e no trabalho de campo procura-se a integração entre o conhecimento técnico-científico e o conhecimento empírico e a percepção da população da bacia em relação aos riscos ambientais, fornecendo subsídios para o planejamento ambiental da área, mediante a identificação de problemas específicos, elaboração de propostas e recomendações, integrando a pesquisa com as necessidades da administração pública. Os resultados são sistematizados e apresentados à comunidade para seu conhecimento e validação. Nesse contexto, os resultados obtidos podem colaborar na produção e difusão de conhecimentos, produtos e serviços para o gerenciamento de recursos hídricos, formação e capacitação de recursos humanos, implementação de políticas territoriais e desencadeamento de ações de Educação Ambiental na área de estudo.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".