Vigiar a velhice, vigiar o futuro: tecnologia, antecipação e governo de condutas // Old age surveillance, future surveillance: technology antecipation and conduct governance
Bibliographic record
Abstract
O artigo propõe discutir as imagens da velhice contemporânea a partir das relações entre vigilância, risco e governo de condutas. Trata-se de pensar, segundo uma perspectiva genealógica, como os atuais sentidos de ser velho estão entrelaçados ao regime de visibilidade contemporâneo, em especial, às dinâmicas de vigilância. De fato, a “nova imagem da terceira idade” não é apenas matéria de anúncios de bancos, aplicativos de beleza, comerciais de seguro de saúde ou campanhas de medicamentos sexuais, para citar alguns. Na realidade, ao incorporar progressivamente os velhos no campo produtivo, o neoliberalismo faz circular imagens que servem tanto para conformar um tipo de velhice performática e empresarial quanto para ampliar seu acervo de dados. As redes atuais de vigilância se apropriam, assim, também dos perfis da velhice contemporânea: hábitos de alimentação, cuidados com a saúde, comportamentos de compra, práticas de poupança. Dados que, além de sustentar padrões e tipos de velhice mais “adequados” às dinâmicas atuais, também ancoram intervenções sobre indivíduos e populações, legitimando (ou deslegitimando) investimentos e reformas governamentais. Nessa rede de sentidos, os minuciosos procedimentos de vigilância – que já não se limitam a lugares confinados ou a populações específicas – também não se restringem à nossa atualidade. Tal diagrama opera igualmente quando a velhice é ainda mera expectativa. Trata-se de tornar o processo de envelhecimento, com suas diversas fases e seus efeitos, eterno alvo de monitoramento, minucioso e digital. Algo que se realiza num movimento contínuo de antecipação do futuro, transformando a própria velhice em crescente fator de risco, tanto individual como social.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".