Análise do desenvolvimento regional do Rio Grande do Sul através da política de incentivo à indústria, o programa FUNDOPEM/RS, no período de 2011 a 2015
Bibliographic record
Abstract
Este estudo apresenta uma análise da distribuição regional da economia do Rio Grande do Sul, através do Programa de incentivo à indústria, Fundo Operação Empresa - FUNDOPEM - entre os anos de 2011 e 2015. O objetivo deste estudo é analisar a política tradicional de incentivo ao desenvolvimento da indústria, o FUNDOPEM/RS, apresentando as características do incentivo e métodos utilizados para alcançar um de seus propósitos, no qual se destaca a distribuição regional e, tão logo, atenuar suas disparidades. Como objetivos específicos, serão analisadas as justificativas para utilização e não utilização de tal instrumento de acordo com estudos já realizados para em conjunto com a análise dos dados, concluir o estudo; a análise do histórico do programa, destacando as principais mudanças que ocorreram para o seu aprimoramento; além da análise de dados do resultado do programa, dividido por COREDE (Conselho Regional de Desenvolvimento) e seu respectivo IDESE, entre os anos de 2011 e 2015, como forma de verificar o seu impacto no desenvolvimento regional. Como resultado encontrado ao final do estudo, é possível sinalizar que o maior volume de investimentos e geração de empregos ocorre em regiões concentradas, agravando as disparidades entre as regiões. No entanto, conclui-se que, apesar de haver ressalvas para com as ações do Programa, o FUNDOPEM/RS contribuiu para o desenvolvimento do Estado.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| 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 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".