Análise de Risco aplicada à Reserva de Mobiliário do Palácio Nacional da Ajuda
Bibliographic record
Abstract
A realização de uma revisão da literatura sobre modelos e ferramentas de análise de risco aplicados ao património cultural, permitiu concluir que nas últimas duas décadas esta temática tem ganho um maior destaque. A sua utilização tem por objetivo apoiar a tomada de decisão e consequentemente, ajudar à gestão e cuidado do património. A partir dos resultados obtidos, selecionaram-se dois modelos de forma a realizar uma análise de risco à coleção de mobiliário da Reserva Nova do Palácio Nacional da Ajuda (PNA) (Ajuda, Portugal): • O modelo Cultural Property Risk Analysis (CPRAM), desenvolvido por Robert Waller em 2003, é um modelo semi-quantitativo, e foi selecionado por já ter sido aplicado em outras instituições (e.g. Canadian Museum of Nature, Arquivo Histórico Ultramarino, Museum Amstelkrin, etc.). Define os riscos através de valores numéricos cuja a relação entre si produz a hierarquia das prioridades de risco; • O modelo QuiskScan é qualitativo, foi desenvolvido por Agnes Brokerhof e Anna Bülow em 2016, e selecionado por ser muito recente e não existirem, até à data, outros trabalhos em que tenha sido aplicado. Define as prioridades dos riscos de uma forma não numérica a partir de categorias (“Alto”, “Médio” e “Baixo”). A aplicação dos dois modelos permitiu chegar a uma hierarquização dos principais riscos genéricos para a coleção em estudo, sendo os mais prioritários: Fogo, Forças Físicas e Pragas. No entanto, para a proposta de soluções de mitigação, recorreu-se aos riscos específicos identificados pelo modelo CPRAM, onde, por exemplo, para o risco de ocorrência de um incêndio na área de reserva com consumo da coleção completa, propõe-se a instalação de mais extintores e expressores; para o risco da queda de objetos das estantes, propõe-se a colocação de uma fita em torno das estantes; e para o risco de infestação por insetos é proposta a desinfestação dos objetos por anoxia. Assim, sugere-se que numa instituição onde nunca se realizou uma análise de risco, se aplique inicialmente o modelo QuiskScan (de aplicação mais rápida) e posteriormente, conhecendo os principais riscos genéricos, se utilize o CPRAM com o intuito de propor soluções de mitigação (a partir da identificação e cálculo dos riscos específicos). Isto permitirá reduzir o tempo e otimizar os recursos.
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 | 0.004 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".