INFRAESTRUTURAS DE DADOS ESPACIAIS - IDES: PERSPECTIVA ACADÊMICA – DESAFIOS E PROPOSTA
Bibliographic record
Abstract
O principal objetivo deste artigo é prover um quadro geral das chamadas IDEs (Infraestruturas de Dados Espaciais) Acadêmicas ou Universitárias e a inclusão de IDEs Acadêmicas Locais como nós em uma infraestrutura de dados espaciais mais geral e abrangente (acadêmica ou não). O artigo foi elaborado a partir das proposições da Dr.ª Claire Ellul (University College of London - UCL) e do Dr. Clodoveu Davis Jr (Universidade Federal de Minas Gerais - UFMG) e do trabalho de Castelein et al. (2010). Conclui-se que há um entendimento comum sobre a diferença de qualidade dos dados gerados e dos metadados referentes a dados espaciais produzidos na academia. Propõe-se também, que as entradas para uma IDE Acadêmica devam ser tratadas essencialmente como informação voluntária e a criação de um projeto amplo, objetivando o estabelecimento de uma IDE Acadêmica de modo a permitir a sua integração em uma plataforma SIG (Sistema de Informações Geográficas).
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 | 0.024 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.010 |
| Science and technology studies | 0.006 | 0.014 |
| Scholarly communication | 0.029 | 0.025 |
| Open science | 0.003 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.010 | 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".