'Verás que um filho teu não foge à luta': histórias de emigrados brasileiros nas Forças Armadas dos EUA
Bibliographic record
Abstract
AgradecimentosEste trabalho foi realizado, em sua maior parte, na fase mais difícil da minha vida.Devido à pesquisa de campo realizada nos EUA, estive longe do Brasil nos últimos seis meses de vida do pai (claro que nunca imaginei que seria assim).Voltei para casa no mesmo dia em que recebi a notícia de seu falecimento.Como os prazos são irrevogáveis, tive que superar toda a tristeza e dificuldade para garantir que este mestrado fosse escrito.As circunstâncias fizeram, portanto, que cada palavra desta dissertação representasse para mim um misto de luto e superação.Certamente, sem o apoio e colaboração de muitas pessoas e instituições, nada disso teria sido possível.Em primeiro lugar, agradeço ao CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico) que me proporcionou a bolsa de estudos que tornou possível a realização de longa pesquisa no exterior e no Brasil.Em segundo lugar, agradeço ao meu orientador, José Carlos Sébe Bom Meihy, pois foi ele quem confiou em mim antes de qualquer outra pessoa no ambiente acadêmico.Se ele não fosse ele para abrir a primeira porta para mim na USP, nenhum outro obstáculo teria sido transposto.Sua generosidade, no entanto, foi além; e sua paciência em nossas conversas me ajudou a entender melhor diversos dos temas da pesquisa.Sou muito grato a ele também pela compreensão das dificuldades que tive durante o mestrado.Em terceiro lugar agradeço imensamente aos professores Nicolau Sevcenko (in Memoriam) e Cleménce Jouet-Patre, pois foram eles quem abriram as portas da Universidade de Harvard para mim, onde grande parte da presente pesquisa foi realizada.Mas suas respectivas contribuições ao projeto não param por aí: Nicolau sempre manteve as portas de sua sala em Harvard aberta para mim e suas ideias me ajudaram a idealizar várias questões pertinentes ao tema; a professora Cleménce fez o mesmo, além de me ajudar na realização de contatos com a comunidade brasileira nos EUA.Creio que durante a minha curta estadia desenvolvemos uma relação de amizade e tudo isso só foi possível pela generosidade destes dois pesquisadores em me receber e me ajudar.Agradeço também à banca de qualificação, as professoras Lilia Morritz Schwarcz e Sarah Albieri, que além de entenderem o momento difícil pelo qual eu margem da sociedade e fizeram da profissão militar um de seus instrumentos de inclusão.Desta forma, a inserção de brasileiros nas Forças Armadas dos EUA é um aspecto da imigração que, apesar de ainda não estudado, denota um movimento da comunidade brasileira em processo de integração à sociedade norte-americana.Grande parte das pesquisas que temos hoje sobre comunidades emigrantes nas Forças Armadas foram escritas sob um viés quase institucional, buscando representar os sacrifícios daquele povo para com os sucessos de iniciativas militares dos EUAatestando, ademais, a sua lealdade a partir de um ponto de vista comunitário 3 , ou aparecem como verbetes de enciclopédias acerca da inserção daquela comunidade nos EUA. 4 Paradoxalmente, os afro-americanosque sofreram maior segregação dentro das corporações militares nos EUA ao longo da históriapossuem hoje uma bibliografia mais aprofundada do que os grupos imigrantes no tema.Isso porque a larga participação de negros nas Forças Armadas dos EUA e o seu resgate histórico tornou-se fundamental na luta por direitos igualitários na sociedade.Com intuito similar, o jornal da comunidade brasileira em Bostono "Brazilian Times" 5realizou uma série de entrevistas com brasileiros que se alistaram nas Forças Armadas dos EUA em 2009.Outros jornais da comunidade brasileira nos EUA adotaram a mesma escolha editorial, como o "Brazilian Voice" 6 , por exemplo.Além de enaltecer essa participação, as reportagens buscam incentivar jovens a escolherem esse mesmo caminho.As iniciativas destes jornais (além de reportagens esporádicas em jornais no Brasil) são, até o presente momento, o único registro histórico escrito sobre o tema.Neste contexto, o objetivo deste capítulo, como já observamos, é constituir uma base histórica que permitirá, no capítulo subsequente, a realização de uma análise do processo vivido pela comunidade brasileira culminando na inserção de alguns de seus jovens nas Forças Armadas dos EUA.
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 | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".