Bibliographic record
Abstract
AGRADECIMENTOS À minha mãe, a quem dedico este trabalho, por ser minha maior inspiração.Por sempre me guiar pelo caminho do bem, por me ensinar a importância de nunca perder a alegria no que se faz e por acreditar, com firmeza e generosidade, que a vida vale a pena.Ao meu pai, por estar sempre presente, mesmo quando os caminhos que escolhi mudaram, e por me apoiar em cada nova jornada.Aos meus irmãos, Diego e Andressa, por me inspirarem, cada um à sua maneira.Ao meu companheiro e melhor amigo, Paulista, pela parceria de todos os dias, pelo apoio incondicional e por caminhar ao meu lado com amor, respeito e alegria.À Eunice Pimenta, por me ensinar, junto ao Movimento dos Trabalhadores Rurais Sem Terra, a importância do amor e da luta pela terra.Ao meu orientador, Rafael, por sua coragem ao exercer o ensino e a pesquisa e por aliar, com sensibilidade, o rigor da ciência à paixão pelo Cerrado.Agradeço a oportunidade de aprender com ele todos os dias.À minha coorientadora, Natashi, por sua generosidade ao acolher cada etapa deste trabalho, por seu olhar atento e cuidadoso e por me apresentar o primeiro campo úmido que conheci no Cerrado.À Maria Fernanda, por me mostrar que o ofício de ensinar vai muito além da sala de aula, por me fazer encantar pela biologia vegetal e por ser um exemplo de docência para mim.Sou grata também pelo suporte nos momentos em que pensei em desistir.A todas as pessoas que, de alguma forma, contribuíram para esta caminhada, meu mais sincero agradecimento.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.202 | 0.097 |
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".