Possible contributions of the critical analysis of neoliberalism to studies in scientific communication
Bibliographic record
Abstract
A Ciência da Informação é vista como um campo novo na área das ciências sociais aplicadas e, devido ao seu caráter interdisciplinar, recebe consideráveis contribuições de diversos campos do conhecimento. Neste trabalho, visamos aproximar os estudos em comunicação das análises críticas do neoliberalismo, conforme abordado pelos pesquisadores Dardot e Laval. Assim, apresentamos uma explanação sobre a história da Ciência da Informação no Brasil, destacando como a comunicação científica se insere na área, e caracterizamos o que entendemos por teorias críticas, abarcando a Escola de Frankfurt e o pensamento pós-moderno. Como resultado, identificamos oito pontos nos quais podem ser feitas contribuições: 1) Mercantilização da Informação Científica; 2) Financiamento da Ciência; 3) Produtividade Acadêmica, Pressão por Publicações e Cultura da Produção Científica; 4) Avaliação da Produção Científica; 5) Métricas de Impacto; 6) O Cientista Enquanto Empreendedor de Si; 7) Desigualdades Sociais na Universidade Neoliberal; 8) Práticas de Ciência Aberta e Formas Alternativas de Publicação Científica. Ao final, apresentamos apontamentos sobre os potenciais de pesquisa para os estudos em comunicação científica decorrentes dessa aproximação teórica.
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 | 0.037 | 0.068 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.012 | 0.008 |
| Science and technology studies | 0.007 | 0.061 |
| Scholarly communication | 0.016 | 0.021 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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".