Terceiro setor
Bibliographic record
Abstract
O objetivo deste trabalho foi avaliar as metodologias de gerenciamento de projetos utilizadas por Organizações do Terceiro Setor. A pesquisa foi realizada em uma cidade do interior do Estado de São Paulo em 25 Organizações do terceiro setor de diferentes áreas de atuação. As organizações responderam a um questionário estruturado, com 90 questões fechadas, que permitiram identificar os aspectos constantes nos objetivos deste trabalho. Os resultados indicam que o trabalho voluntário é predominante nas Organizações do Terceiro Setor (46% das organizações participantes). Os participantes da pesquisa têm curso superior (48%) e pós-graduação (24%), e 52% das organizações organizam e realizam seu trabalho totalmente como projetos. 40% das organizações dispõem de procedimentos padronizados para gerenciar projetos. 68% adotam critérios formais para a seleção dos projetos e em 71% delas existe o acompanhamento dos custos do projeto durante a execução. Conclui-se as Organizações do Terceiro Setor utilizam razoavelmente bem os procedimentos em gerenciamento de projetos, principalmente em relação ao gerenciamento da comunicação, recursos humanos, prazos e custos. Palavras-chave: Gerenciamento de projetos. Projetos. Organizações não-governamentais. Terceiro Setor.
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 | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.192 | 0.076 |
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".