Biodiversity benefit sharing for quilombola communities: does the new legislation support them?
Bibliographic record
Abstract
A riqueza da biodiversidade brasileira proporciona ao País inúmeras vantagens econômicas, atraindo interesses estrangeiros acerca deste material genético para produção de alimentos, medicamentos e outros produtos. O Brasil possui centenas de comunidades tradicionais, como as indígenas e as quilombolas, compondo sua sociobiodiversidade. Estas comunidades são detentoras de saberes antigos que produzem conhecimentos sobre o uso de plantas e animais nativos, que vêm sendo explorados por empresas para fabricação de novos produtos, como medicamentos, alimentos, químicos e cosméticos. Dessa forma, possuir ou ter acesso à biodiversidade adquiriu papel estratégico. Mas, infelizmente, toda a biodiversidade brasileira e o conhecimento das comunidades tradicionais atrai a ação da biopirataria. Esta ação ilícita vem sendo combatida em todo o mundo, com a criação de legislações e tratados internacionais, no intuito de assegurar o direito das nações ao seu patrimônio genético e promover uma forma justa de distribuição dos benefícios da comercialização dos produtos desenvolvidos, por bioprospecção, para as sociedades tradicionais de onde se obteve o conhecimento e/ou os bioprodutos. Recentemente foi sancionada, no Brasil, a Lei nº 13.123, de 2015, denominada como Nova Lei da Biodiversidade. O problema de pesquisa explorado nesta dissertação foi verificar se a Nova Lei veio amparar a necessidade das comunidades quilombolas no que diz respeito à repartição de benefícios, tendo o objetivo principal analisar esta Nova Lei à luz da legislação anterior. A pesquisa teve caráter bibliográfico e exploratório, com base em revisão da literatura. Para complementar o estudo, em caráter ilustrativo, foram realizadas entrevistas com membros de algumas comunidades quilombolas, por meio de um questionário com perguntas semiestruturadas. O estudo concluiu que, apesar de trazer inovações, a nova Lei de Biodiversidade ainda não atende aos anseios das comunidades tradicionais, principalmente no que diz respeito à repartição justa dos benefícios tanto porque as mesmas desconhecem a legislação quanto porque a legislação permite outros meios de compensação que não apenas os monetários, permitindo que a biopirataria continue ocorrendo.
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 | 0.008 | 0.028 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.006 | 0.004 |
| Insufficient payload (model declined to judge) | 0.019 | 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".