Avaliação da aderência dos compromissos de abrangência e investimentos às políticas públicas no setor de telecomunicações
Bibliographic record
Abstract
Uma política pública eficaz no setor de telecomunicações deve ter como meta oferecer cobertura abrangente e boa qualidade do sinal da rede; garantir segurança e proteção dos dados; melhorar a alfabetização digital da população; e disponibilizar conteúdos e aplicações digitais que agreguem valor, para aumentar a procura pelos serviços. Dado esse pressuposto, o objetivo deste estudo é avaliar se o estabelecimento de compromissos de abrangência e investimentos permite ao Estado enfrentar os diversos entraves à oferta dos referidos serviços, como falta de fiscalização e controle, nas várias regiões do país. Discutem-se as principais questões apontadas no Acórdão 740/2023-TCU-Plenário, de relatoria do ministro Walton Alencar Rodrigues, sobre a atuação do Ministério das Comunicações (MCom) e da Agência Nacional de Telecomunicações (Anatel) na implementação das recentes políticas públicas do setor de telecomunicações, especialmente as relacionadas à ampliação do acesso de banda larga e inclusão digital da sociedade brasileira. Para tanto, utilizou-se de metodologia explicativa, documental, de abordagem qualitativa, fundamentada na revisão da literatura especializada e no arcabouço legislativo referente ao setor, para análise dos critérios que justificam a imposição de condicionamentos na exploração dos serviços de telecomunicações. Dentre os resultados, demonstrou-se que as políticas públicas do setor têm sido implementadas, primordialmente, por meio do estabelecimento de compromissos de abrangência e investimentos presentes em diversos instrumentos regulatórios, que, em geral, não permitem tratar de forma integrada e sistêmica os problemas enfrentados.
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 | 0.020 | 0.083 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.008 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.017 | 0.009 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".