Bibliographic record
Abstract
RESUMO: A partir da noção de Michael Hardt e Antonio Negri de que o comum não é só terra compartilhada, mas linguagens criadas, práticas sociais estabelecidas, modos de sociabilidade e produção intelectual coletiva, esse texto busca tanto discutir a educação ambiental como um campo comunal de pesquisa e de militância na ecologia e na educação, quanto pensar o comum como espaço privilegiado de criação e exercício de perspectivas ecologistas em educação. O artigo é resultado parcial de uma pesquisa teórica e conceitual, e se divide em quatro partes. A primeira uma apresentação do conceito “noções comuns” em Spinoza e na leitura de alguns de seus comentadores; a segunda busca compreender a influência das “noções comuns” sobre a elaboração do conceito de comum na obra conjunta de Hardt e Negri, e o debate realizado sobre o mesmo na obra de Dardot e Laval. Na terceira parte intenciona-se pensar a criação, produção e disseminação da educação ambiental no Brasil como resultado das ações e pensamentos em comum dos educadores e militantes ecologistas. E na quarta parte, busca-se construir, a partir da proposta das Perspectivas Ecologistas em Educação, especialmente na obra de Reigota, algumas conexões conceituais para pensar nas educações ambientais como exercício político construído para o comum.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.009 |
| Scholarly communication | 0.016 | 0.008 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.033 | 0.005 |
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".