Políticas baseadas no Design para a inovação sustentável do território
Bibliographic record
Abstract
As políticas europeias para a inovação e investigação atribuem ao Design um papel instrumental na consecução dos objetivos de programas como Horizonte 2020 e fundos estruturais para o período 2014 a 2020 promovidos pela União Europeia. Parece-nos, assim, da maior pertinência que a produção de conhecimento atente a estas recomendações orientadoras, manifestando-se na transferência e industrialização do conhecimento gerado na academia, para os setores público, privado e civil, e assim cumprindo o desígnio de utilidade pública da Investigação em Design. Com base neste enquadramento de responsabilidade estratégica do Design e coincidência temporal com o quadro de financiamento europeu, a investigação que aqui se ensaia e que propõe constituir-se como tese no domínio do Place Branding desenha-se a partir da centralidade do território (geografia territorial e geografia humana) sobre a qual se desenvolve um modelo triangular de relações (unilaterais, bilaterais e trilaterais) entre os eixos Universidade (Conhecimento - reflexão), Poder Local (Política - decisão) e Indústria (Economia - ação). É, pois, pela mediação destes três eixos e das suas relações de dependência e independência com o território, que a Gestão do Design assume vital importância na coconstrução e gestão da Marca Territorial. Para este artigo, a opção metodológica centra-se na revisão de documentos internacionais orientadores provenientes da Comissão Europeia (Design for Growth and Prosperity e Implementing an Action Plan for Design-Driven Innovation), World Design Summit (Montréal Design Declaration), Design Council (The Design Economy) e Nações Unidas (The 2030 Agenda for Sustainable Development). Deste esforço, resulta o alinhamento da investigação em curso (desde logo presente na seleção dos eixos estratégicos) com as políticas europeias e orientações internacionais para a investigação e Design.
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 | 0.022 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.013 |
| Scholarly communication | 0.018 | 0.007 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".