VIOLÊNCIA CONTRA A COMUNIDADE LGBTQIA+: PROPOSTA DE AÇÃO EDUCACIONAL E DE USO DE NOVAS TECNOLOGIAS DIGITAIS PARA O COMBATE DA LGBTFOBIA
Bibliographic record
Abstract
Este artigo trata de uma análise investigativa para entender a violência contra o grupo LGBTQIA+, tendo como base as reflexões sobre os tipos de violências refletidas na Campanha da Fraternidade 2018 e propor uma intervenção educativa no evento FLICC (Fórum Literário e Científico do Castelo), ação curricular proposta pelo Instituto Nossa Senhora da Glória – Castelo – Macaé – RJ. O Brasil é o país que mais mata pessoas da comunidade LGBTQIA+ no mundo. Nas sociedades marcadas pelas (in)diferenças e (des)igualdades do atual tempo, os LGBTQIA+ devem ser refletidos em suas diversas dimensões, na busca de entender como eles acabam vivenciando as dificuldades da violência e falta de aceitação no meio social. Muitas pessoas pensam que agressão é quando existe uma troca de violência física, mas existem outras formas de agressões e violências. Respeito é a palavra-chave para que a sociedade saiba lidar com o outro, as escolhas e as diferenças. A comunidade LGBTQIA+ quer poder viver e não apenas sobreviver no mundo. Em pleno século XXI é preciso discutir esse assunto em todos os espaços sociais para se abrir o debate, o respeito, a tolerância e poder fazer valer a voz deles, assim como a de Pablo Vittar em seu clipe Indestrutível, 2018: "São milhares de adolescentes que, assim como eu, sofreram esse tipo de agressão. Tá na hora de transformar o preconceito em respeito, de aceitar as pessoas como elas são e querem ser. Tá na hora de olhar na cara da homofobia e dizer: eu sou assim, e daí?"
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 | 0.007 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 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".