Soluções de tomadas de decisões inteligentes para infraestruturas residenciais
Bibliographic record
Abstract
AGRADECIMENTOSA jornada de um doutorando não é apenas quatro anos, costumo dizer que é necessário investir no mínimo 22 anos da vida, que vão desde o fundamental até a pós-graduação, para ser um Doutor.Foi uma jornada longa e árdua que exigiu muita persistência, mas o final é gratificante.Durante a trajetória, obtive o apoio de pessoas especiais que gostaria de deixar registrado meus singelos agradecimentos.Agradeço à minha esposa Cristiane de Azevedo Guimarães que, com palavras sábias, sempre apoiou nas minhas decisões e incentivou a seguir em frente.Agradeço ainda pelo seu companheirismo incondicional, pela sua compreensão nos momentos que necessitei e por transformar os dias ruins em excelentes.Agradeço à minha irmã Thiaquelliny Teixeira Pereira e aos meus pais Geraldo Pereira Rocha e Adenita Teixeira Pereira pelos inúmeros incentivos para realizar uma pós-graduação de excelência, digna da USP.Sem eles, essa conquista não seria possível.Ainda agradeço por mostrarem que com persistência, dedicação e esforço os objetivos desejados são alcançados.Agradeço ao meu Orientador Prof. Jó Ueyama, que se tornou um grande amigo, por acreditar no meu potencial e pela confiança no desenvolvimento desta tese.Destaco os seus valorosos conselhos acadêmicos, e até mesmo os conselhos pessoais, que foram essenciais para a minha formação profissional.Ainda, agradeço pela paciência e atenção nos momentos que necessitei.Agradeço ao Prof. Leandro A. Villas e Prof. Gustavo Pessin que, além de disponibilizar os seus preciosos tempos com discussões agradáveis, se tornaram grandes amigos.Agradeço também pelas inúmeras sugestões com a colaboração direta, as quais auxiliaram para o amadurecimento desta tese.Agradeço aos colegas e amigos do LaSDPC (Laboratório de Sistemas Distribuídos e Programação Concorrente), Intermídia e a todos que colaboraram de maneira direta e indireta para o desenvolvimento desta tese.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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".