CONTRIBUIÇÕES DO SEI COMO FERRAMENTA EM PROCESSOS ADMINISTRATIVOS NAS ORGANIZAÇÕES PÚBLICAS
Bibliographic record
Abstract
O consumo desenfreado do papel acaba promovendo impactos ambientais.Diante dessa visão, iniciou-se a utilização de sistemas que evitam o consumo excessivo de papel, entre eles o Sistema de Informação Eletrônico (SEI), que promove o trabalho rápido e econômico quanto ao uso do papel, além de outras vantagens.Este estudo tem o objetivo de analisar as principais vantagens do SEI como ferramenta capaz de reduzir a utilização de papel e foi desenvolvido a partir de pesquisas em livros, artigos científicos e demais publicações bibliográficas.Constatou-se que há publicações abrangendo a temática e que as discussões geram em torno de que o consumo excessivo e a produção ocasionam impactos ambientais que repercutem socialmente.Conclui-se que toda essa preocupação quanto ao impacto ambiental tem que ser absorvido de maneira consciente e que o SEI é uma maneira de combate à tal problemática.O cenário de aplicação do SEI muda a forma como são geridos os processos e documentos administrativos nas repartições públicas.O sistema utiliza artefatos tecnológicos que possibilitam maior agilidade, segurança e economia de recursos ao trâmite processual.Os dados esperados pelos órgãos que aderiram ao sistema apontam uma relação direta com a redução expressiva nas despesas públicas.
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 | 0.013 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.018 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 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".