A Gestão para a Conservação da Água. Dois Estudos de Casos: Riacho Fundo, Brasília e Rio Don, Toronto.
Bibliographic record
Abstract
O estudo compreende uma comparação de dois exemplos de gestão de bacias hidrográficas localizadas em dois grandes conglomerados urbanos, Toronto e Brasília. A estratégia de planejamento adotada para a conservação do Rio Don em Toronto, na Província de Ontário, representa um exemplo bem sucedido. A melhoria da qualidade da água, o controle do fluxo hídrico e a solução de conflitos de uso foram comtempladas por ações de longo prazo, envolvendo uma gestão integrada através de uma articulação intersetorial e intergovernamental. Por outro lado, no Riacho Fundo, Brasília-DF, a gestão participativa e compartilhada por bacia, ainda não foi apropriada pelos usuários. Esse problema pode ser repensado a partir de uma proposta de ação para o Riacho Fundo embasada no exemplo de estratégias utilizadas na revitalização do Rio Don e norteada pela legislação ambiental brasileira. As margens do rio Riacho Fundo poderiam ser tratadas paisagisticamente como um parque linear, conformando um espaço de ligação e mobilidade entre diversos assentamentos humanos. A própria beleza da paisagem, potencialidade de lazer e atividades culturais poderiam inspirar a população para a mobilização social em prol da revitalização. Nesse contexto, para que a gestão sustentável do espaço urbano se concretize na bacia do Riacho Fundo é necessária a definição de políticas responsáveis pelo planejamento urbano, incluindo os processos naturais e as demandas sociais nesta alternativa.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".