Antropología urbana en Brasil: de la periferia al centro
Bibliographic record
Abstract
En primer lugar, me complace agradecer a Paulo Dam, jefe del Departamento de Arquitectura de la PUCP, a Pablo Vega Centeno y a Benjamín Marticorena, por la invitación para dictar esta clase magistral. Para mí es un honor y una oportunidad no solo de presentar un panorama de la Antropología urbana en Brasil sino también de conocer las líneas de investigación desarrolladas en esta universidad.Para ello, me propongo hacer un recorrido por la formación de la Antropología urbana en Brasil, poniendo énfasis en el caso de São Paulo. A continuación, hablaré sobre la constitución del Laboratorio del Núcleo de Antropología Urbana (LabNAU) que coordino en la Universidad de São Paulo (USP) y sobre las categorías que utilizamos en la etnografía. Y, por último, me referiré a una experiencia de investigación sobre la presencia indígena en ciudades de la Amazonía. Por lo tanto, la ponencia que sigue tendrá como base el cuadro teórico, las herramientas metodológicas y algunos temas trabajados en este núcleo.*José Guilherme Cantor Magnani es licenciado en Ciencias Sociales por la Universidad Federal de Paraná, concluyó su maestría en Flacso (Chile) y el doctorado en Antropología en la Universidad de São Paulo (USP), donde es profesor e investigador. Entre sus publicaciones, destacan los libros Festa no pedaço: cultura popular e lazer na cidade (1984), Na metrópole: textos de Antropologia Urbana (coautor, 1996), Mystica urbe: um estudo antropológico sobre o circuito neo-esotérico na metrópole (1999) y Jovens na metrópole (2007); y los artículos “Leisure in Popular Districts in São Paulo” (1994, en Societé et Loisir, Presses de l’Université de Québec) y “De perto e de dentro: notas para uma etnografia urbana” (2002, en la Revista Brasileira de Ciências Sociais, São Paulo, 17[49]). Es coordinador del Núcleo de Antropología Urbana y editor responsable de Ponto.Urbe, revista electrónica del NAU: http://www.n-a-u.org/
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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; both teacher heads agree on what is shown here.
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".