Gestão arquivística e administração pública: a preservação e a segurança dos documentos arquivísticos digitais
Bibliographic record
Abstract
Diante da multiplicação da informação nos últimos anos, resultado da globalização e dos avanços tecnológicos, o presente estudo promoveu uma revisão da literatura na busca de métodos existentes para a preservação e segurança dos documentos arquivísticos digitais, a fim de garantir seu futuro acesso, bem como a sua autenticidade e integridade em longo prazo. Dessa forma, neste estudo pretendeu-se identificar a causa das deficiências na preservação dos documentos arquivísticos digitais, bem como propor possíveis soluções para os mesmos. Para tanto, foram utilizados os métodos de pesquisa bibliográfica e exploratória como procedimentos técnicos, com abordagem qualitativa, relacionados à gestão documental e à preservação de documentos digitais. Buscou-se ainda, como base conceitual, analisar a Lei de Arquivos, Lei de Acesso à Informação e Lei Geral de Proteção de Dados Pessoais, bem como as diretrizes estabelecidas pelo Conselho Nacional de Arquivos, além de trazer um caso prático para verificação de aplicabilidade dos conceitos tratados neste estudo. Por fim, a pesquisa revela desafios que envolvem a preservação da informação arquivística em meio digital, dentre eles a rápida degradação física dos suportes e a obsolescência tecnológica, bem como propõe a utilização de repositórios arquivísticos digitais confiáveis como uma das soluções para esses problemas.
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 | 0.018 | 0.043 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.016 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.019 | 0.009 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".