A MEDIAÇÃO COMO MECANISMO DE GOVERNANÇA AMBIENTAL E EFETIVIDADE DO ODS 16
Bibliographic record
Abstract
Segundo os Objetivos de Desenvolvimento Sustentável (ODS), nomeadamente o ODS 16, os Estados devem empenhar-se em promover sociedades pacíficas e inclusivas, o que implica garantir a tomada de decisões responsável, inclusiva, participativa e representativa em todos os níveis. Desse modo, surge a necessidade de adotar mecanismos de resolução de conflitos e construção de consenso que possam dar efetividade ao ODS 16, por meio de uma governança eficaz dos problemas ambientais, que privilegiem soluções inclusivas e criativas. Nessa perspectiva, o artigo defende a mediação como ferramenta hábil para promover a paz por meio da cooperação e do diálogo, com suporte em uma metodologia construtiva que gere consenso na tomada de decisões dos diversos atores envolvidos. Essa abordagem se justifica pois, embora exista uma prática jurisdicional e arbitral em matéria ambiental, ela ainda é escassa e limitada. Isso acontece, dentre outros fatores, porque essa prática nem sempre concretiza um processo de paz inclusivo, em que os agentes direta ou indiretamente envolvidos no conflito, ou que sofrem os reflexos deste, possam participar da tomada de decisão e se empoderar de conhecimento quanto à transformação do conflito ambiental. Assim, a mediação se coloca como um mecanismo válido e necessário para o alcance de uma solução que seja adequada ao caso concreto no contexto dos conflitos ambientais.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.014 | 0.008 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".