Comunicado de imprensa como indicador de atenção social qualificada da ciência
Bibliographic record
Abstract
Na última década, a altmetria contribuiu para abrir espaço para indicadores de atenção e impacto social da ciência, e a repaginar a cienciometria, embora ainda persista a centralidade das métricas de performance na produção científica. Nesse sentido, há uma demanda por outras fontes de dados que contribuam para conferir contexto e também fornecer substrato para a construção de outros indicadores, capazes de atuar na interface ciência-sociedade de forma mais qualificada. Este trabalho demonstrará o potencial de que um banco de dados estruturado de press releases (comunicados de imprensa) seja um dos caminhos pelos quais indicadores de atenção social da ciência podem ser melhor contextualizados e compreendidos. Para isso, foi realizada a coleta de comunicados de imprensa de três agências de notícias de ciência: Eurekalert! (EUA), AlphaGalileo (Reino Unido) e Agência BORI (Brasil). Essas agências disponibilizam nos seus sites os press releases sobre artigos científicos; no entanto, informações importantes como título do artigo, conteúdo, data da publicação, URL, DOI, não estão disponíveis de forma estruturada. Foram utilizadas técnicas de web scraping na coleta, organização e análise dessas informações. A utilização de web scraping com o armazenamento em banco de dados MySQL mostrou-se eficaz para coletar e gerenciar informações de páginas web dessas agências, possibilitando com que análises abrangentes e contextualizadas sejam realizadas. Enquanto o comunicado de imprensa não é a única forma de qualificar e entender a atenção social da ciência, a construção do banco de dados e testes realizados demonstram que se trata de um material relevante nessa compreensão.
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".