Bibliographic record
Abstract
O artigo analisa como os centros urbanos enfrentam o problema dos resíduossólidos orgânicos provenientes de domicílios, restaurantes, feiras livres,hortifrutigranjeiros, supermercados e outros. O destino desse material paraa compostagem pode contribuir diretamente para o aumento da vida útil dosaterros sanitários. Além disso, a aplicação do composto em telhados verdes,jardins verticais, praças, hortas e canteiros públicos ou privados pode incidir namelhora da qualidade do espaço urbano e do aspecto paisagístico dos bairros,além de contribuir para a redução das ilhas de calor, e aumento do confortotérmico em edifícios. Como estudo de caso serão apresentados dois modelosde compostagem em larga escala, uma em São Paulo e outra em Vancouver.O objetivo é apresentar alternativas de aproveitamento dos resíduos orgânicos,de modo a desviar esse material dos aterros sanitários, por meio de técnicas decompostagem acelerada cujo composto pode ser utilizado em hortas urbanas,telhados verdes, além de conter valor comercial. Para desenvolvimento doartigo e obtenção dos objetivos estabelecidos foram consideradas análisesquantitativas, por meio de visitas técnicas à usina de compostagem da Lapaem São Paulo, à usina de compostagem acelerada em Vancouver e a hortasurbanas como, por exemplo, a Horta das Corujas; e qualitativas, considerando aanálise de técnicas consagradas utilizadas para compostagem urbana de forma aidentificar as que se adequam às características limitadas de espaço das cidades.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".