Um estudo na literatura internacional sobre as dívidas públicas
Bibliographic record
Abstract
As discussões acerca das dívidas públicas têm recebido cada vez mais atenção tanto na literatura nacional quanto na internacional. As dívidas públicas surgem quando os entes públicos precisam recorrer a empréstimos para cumprir suas obrigações, que incluem a manutenção de bens e a oferta de serviços para a sociedade. Essa temática tem despertado interesse de pesquisadores e estudiosos, devido à sua relevância para a sociedade. O objetivo deste artigo é realizar um levantamento dos artigos publicados sobre as dívidas públicas, identificando os autores mais citados e a quantidade de publicações, além de realizar uma análise sobre as publicações selecionadas. Para atender ao objetivo proposto, este artigo apresenta uma metodologia de pesquisa bibliométrica, utilizando dados da base Scopus. A natureza do estudo é descritiva, pois visa descrever os itens encontrados na análise bibliométrica dos 413 artigos selecionados no período de 2018 a 2022. Os resultados da pesquisa revelam que os Estados Unidos da América é o país que mais contribuiu com publicações sobre o tema das dívidas públicas. Por outro lado, o autor com maior número de artigos publicados sobre o assunto é da África do Sul. Além disso, os resultados também apontam para uma predominância euro-americana nas publicações, indicando que a maioria dos estudos e pesquisas são provenientes de países europeus e americanos.
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 | 0.009 | 0.041 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.039 | 0.071 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.013 | 0.013 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 0.003 |
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".