Uso do Instagram como rede social para divulgação de informações técnicas em Zootecnia: estudo de caso na UFVJM
Bibliographic record
Abstract
Este estudo avaliou o potencial das redes sociais como ferramenta para disseminar informações técnicas em zootecnia, visando alcançar produtores rurais e o público em geral. A pesquisa, realizada de janeiro a dezembro de 2021, consistiu na publicação semanal de conteúdo técnico no Instagram, utilizando o perfil oficial do curso de zootecnia da UFVJM (@dzoufvjm) e quatro perfis de estudantes. A análise dos resultados, baseada nos dados fornecidos pelo Instagram, revelou um crescimento significativo no perfil do curso ao longo do período, especialmente no segundo semestre. Embora o aplicativo não forneça parâmetros absolutos para avaliar o desempenho das publicações técnicas, o aumento nas métricas do perfil oficial sugere uma maior credibilidade e confiança por parte do público. O estudo também identificou estratégias eficazes para otimizar o alcance das publicações, como a postagem de conteúdo relevante para o cotidiano do público, de segunda a sexta-feira, entre 9h e 21h. Em suma, a pesquisa demonstrou que as redes sociais, quando utilizadas de forma estratégica, são uma ferramenta valiosa para a divulgação instantânea de informações técnicas em zootecnia e agronegócio, facilitando a comunicação e a disseminação de conhecimento.
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 | 0.005 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".