Participação e transdisciplinaridade em Ecosaúde: a perspectiva da análise de redes sociais
Bibliographic record
Abstract
Resumo A Ecosaúde usa abordagens participativas e transdisciplinares com o intuito de compreender as inter-relações entre os componentes dos sistemas socioecológicos e como estas interações influenciam a saúde das populações humanas. O objetivo do artigo é usar a Análise de Redes Sociais (ARS) para entender o papel das relações de colaboração entre os diversos atores envolvidos nos processos participativos e transdisciplinares em projetos de Ecosaúde. Apresentamos um conjunto de indicadores de ARS para caracterizar a evolução e a equidade de participação e diferenciar a inter e a transdisciplinaridade. A análise foi feita com base na rede de colaboração entre os atores da Iniciativa de Liderança em Ecosaúde para as Enfermidades Transmitidas por Vetores (ETV) na América Latina e Caribe. O processo participativo ficou mais intenso ao longo do projeto, com mais sujeitos envolvidos e um número crescente de colaborações. A cooperação entre os atores das ciências sociais, ambientais e da saúde é pouco equitativa; assim, predominam as ciências da saúde. Os poucos cientistas ambientais presentes estão, porém, ativamente envolvidos em colaborações interdisciplinares. A abordagem tem aplicação ampla para estudar a participação e a transdisciplinaridade em projetos sobre saúde e meio ambiente.
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 | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.067 | 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".