Bibliographic record
Abstract
Não é de hoje que o aumento da violência urbana e da criminalidade tem se mostrado presente em nossa sociedade. Para além da insegurança e do medo que assombram a sociedade, muitos são os percalços causados nas cidades pelas interferências do poder paralelo junto às comunidades, uma vez que substituem a atuação da municipalidade na efetivação de políticas públicas. É em oposição a esta lógica que Dardot e Laval ao discorrer sobre a teoria dos comuns, se posicionam criticamente face à “ideologia de Estado” por não promover ações com vistas aos interesses coletivos em detrimento dos interesses individuais. Desta feita, o presente artigo busca refletir sobre os desafios das cidades em meio à crescente violência em seus territórios, principalmente, por colocar em xeque as ações promovidas pelos atores da Segurança Pública pelo Poder Local. Para elucidar tal problemática, utilizaremos como recursos metodológicos, a pesquisa documental e revisão bibliográfica, tendo como base artigos acadêmicos e livros. Vislumbra-se demonstrar a partir dos autores referenciados, como a violência e a desigualdade social seguem interligados, e quão necessário se faz romper com a ideia de que os indivíduos são os responsáveis pela segurança, cabendo ao Estado prover e assegurar este direito.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.052 | 0.006 |
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".