#impeachment ou #naovaitergolpe: uma análise sobre a folksonomia na indexação de imagens fotográficas em redes sociais da Web 2.0
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Analisa a Folksonomia sob a perspectiva da indexacao de imagens fotograficas em um estudo de caso nas redes sociais Flickr e Instagram. Insere-se no contexto da crise sociopolitica brasileira culminada pelo impeachment da entao presidente Dilma Rousseff em 2016, quando os brasileiros, alem de irem as ruas, foram tambem a Internet e se dividiram em tags contra e a favor do governo. Dentro deste contexto, busca identificar os padroes de etiquetagem utilizados pelos usuarios nas duas redes com base nos niveis de compreensao da imagem de Panofsky (2009) e na Dimensao Expressiva de Manini (2002), em paralelo com os estilos de etiquetagem de Canada (2006), para que, assim, fosse possivel analisar o potencial da etiquetagem como metodo de representacao da informacao imagetica e como fator de construcao da memoria coletiva. Conclui que, apesar das redes apresentarem o mesmo nivel predominante de compreensao da imagem, as motivacoes e os respectivos estilos de etiquetagem divergem e, logo, a precisao na busca e recuperacao de imagens tambem, o que ressalta a necessidade do profissional da informacao conhecer a fundo o comportamento do usuario nas novas plataformas virtuais para que possa continuar a garantir a disponibilidade e acessibilidade a informacao e tambem a propria preservacao da memoria.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.000 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 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 it