Bibliographic record
Abstract
Há uma distância considerável entre os conhecimentos gerados pelos institutos de pesquisa do Brasil e o que chega até o público. Para cobrir esse sério déficit em relação à educação científica praticada no país, museus e centros de ciência utilizam amplo lique de linguagem e de recursos para se comunicar com seus públicos e proporcionar maior familiaridade com a ciência. O presente estudo parte do princípio de que a divulgação científica colabora para a democratização da sociedade. Para tanto, analisa a exposição Ciência para Vida, realizada pela Embrapa, na qual são mostrados tecnolgoiass e produtos desenvolvidos pela empresa em seus 40 centros de pesquisa. Discute-se aqui a interatividade em centros e museus de ciência com fator capaz de facilitar o aprendizado e a construção dos conceitos pelo público visitante, principalmente quando se trata de crianças e jovens. Avalia formatos utilizados para a apresentação dos resultados da pesquisa da Embrapa e aparatos desenvolvidos com esse fim. Estende-se ainda para analisar os trabalhos de outras três instituições -Museu da Vida, da Fiocruz, no Rio de Janeiro; Museo Participativo de Ciencias, em Buenos Aires, Argentina; Muséums Nature Montreal, no Canadá - capazes de sugerir novos modelos de apresentação em eventos científicos para a tecnologias da Embrapa.
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 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.014 | 0.020 |
| Scholarly communication | 0.013 | 0.005 |
| Open science | 0.002 | 0.014 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".