A competência em informação: um fator para superar as barreiras de inovação no contexto da indústria 4.0
Bibliographic record
Abstract
Esse artigo tem como objetivo discutir como a competência em informação pode apoiar as organizações a superar as barreiram que atrapalham o processo de inovação no contexto da Indústria 4.0. O foco é ajudar os professionais a vencer estes desafios por meio da competência em informação. A metodologia é baseada em uma pesquisa bibliográfica, a fim de demonstrar a lacuna teórica sobre competência em informação e Indústria 4.0. Além disso, um quadro foi desenvolvido para explicar a inter-relação de tais conceitos. No final, apresenta-se um modelo conceitual para ajudar os professionais a lidar com as barreiras que prejudicam a inovação das empresas, especialmente aquelas que já estão adotando a tecnologia da Indústria 4.0. As considerações finais demonstram que a competitividade depende da veracidade da informação e da qualidade da inovação. A competência em informação é uma ferramenta fundamental para enfrentar os fatores que prejudiquem a inovação, pois no contexto da Indústria 4.0, os indivíduos precisam ser capacitados para interpretar a informação.
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 | 0.015 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.007 | 0.010 |
| Science and technology studies | 0.009 | 0.027 |
| Scholarly communication | 0.034 | 0.039 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.006 | 0.006 |
| Insufficient payload (model declined to judge) | 0.019 | 0.004 |
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".