Sociobiodiversidade na Alimentação Escolar: os desafios e as potencialidades de um campo em construção no município de Mostardas-RS
Bibliographic record
Abstract
Resumo Este trabalho busca apreender os desafios que perpassam o processo, em curso, de inserção de alimentos da sociobiodiversidade na alimentação escolar, no município de Mostardas, no Rio Grande do Sul, bem como analisar os possíveis resultados desse movimento in loco. A respeito do percurso metodológico, em decorrência do contexto pandêmico de covid-19, foram realizadas entrevistas por telefone e/ou pelo aplicativo WhatsApp© com atores que tivessem, de algum modo, envolvimento no processo de inclusão de alimentos da sociobiodiversidade no Programa Nacional de Alimentação Escolar, como nutricionistas, comunidade escolar, entidades locais, agricultores(as) familiares e pesquisadores(as). Assim, recorreu-se à abordagem qualitativa, tanto para a geração do material empírico quanto para a análise dos dados. Acerca dos resultados, foram identificados desafios relacionados ao plano da produção, do consumo e do abastecimento. E, ainda, no âmbito das políticas públicas, foram constatados entraves relacionados ao acesso a determinados programas federais, burocracia dos processos e falta de iniciativas por parte do poder público local. Com relação aos possíveis desdobramentos do movimento em questão, os participantes manifestaram repercussões sobre a saúde, a qualidade da alimentação, o meio ambiente e a economia local, o que impactaria positivamente sobre a Soberania e a Segurança Alimentar e Nutricional.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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 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".