Bibliographic record
Abstract
Apresenta-se um panorama dos fundamentos conceituais, da metodologia e dos resultados gerados a partir de um programa de inclusão digital desenvolvido em Minas Gerais. Os fundamentos dão suporte à busca da inclusão digital em direção à inclusão social. O artigo está baseado no conceito de inclusão digital não somente de pessoas de baixa renda, mas também das que não utilizam recursos tecnológicos por diferentes razões. Para suportar e validar os parâmetros considerados, traz a metodologia aplicada a diferentes comunidades com o projeto de inclusão digital da região do Alto Paraopeba (MG), que iniciou em 2008 e continua até a presente data. Apresenta também como exemplo de continuidade e ampliação o projeto de inclusão digital do carro biblioteca da Escola de Ciência da Informação da Universidade Federal de Minas Gerais (UFMG). Os resultados apontam quantitativamente 100% de taxa de aprendizado dos participantes, por meio da análise dos questionários e acompanhamento do desenvolvimento individual, comprovando a eficiência da metodologia. Qualitativamente, há depoimentos que afirmam o interesse no projeto e a relevância do aprendizado nas relações pessoais e profissionais. A pesquisa responde a questões de como a inclusão digital proporciona a inclusão social, com base nas categorias de análise de como, para quê e porque as pessoas utilizam recursos tecnológicos. Conclui-se que as pessoas utilizam os recursos visando o aumento de conhecimento e de relacionamento através das redes sociais, dentre outras variáveis de motivação para a inclusão digital. http://revista.ibict.br/ciinf/article/view/1411
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 | 0.021 | 0.042 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.012 |
| Science and technology studies | 0.006 | 0.013 |
| Scholarly communication | 0.017 | 0.021 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.001 |
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".