Sistema de custos na educação pública: um possível caminho para obter dados financeiros por estudante no nível das escolas
Bibliographic record
Abstract
As redes de ensino básico público brasileiro não conhecem com precisão o volume de recursos que é destinado a cada uma de suas unidades escolares. A sistematização das informações financeiras da educação pública ainda não acontece em um nível de detalhamento que permita a comparabilidade entre escolas, possibilitando alocações interescolares que gerem ineficiências ou inequidades. A oferta de serviços educacionais pelo setor público tem o dever de garantir que crianças e jovens tenham acesso oportunidades iguais, sendo um mecanismo de redução de desigualdades ao invés de perpetuá-las ou aumentá-las. O presente estudo objetivou revisar a literatura sobre a Contabilidade de Custos para a definição de qual medida melhor se adequa à realidade da educação e como desenhar uma ferramenta para monitoramento desta medida. Ao compreender que o “custo” é o indicador que melhor explica as diferenças na alocação dos recursos entre as escolas para a oferta educacional, o trabalho se concentrou em como sistematizar os dados de custo, revisitando como redes de ensino monitoram a aplicação de seus recursos e abordou conceitualmente uma ferramenta cuja aplicação é comumente utilizada em organizações privadas: Sistemas de Informação de Custos (SICs). Em maior profundidade, abordou-se o estudo de caso sobre a implantação de um SIC na rede estadual de ensino básico de Pernambuco. Desafios relacionados ao contexto do setor público e a complexidade de uma organização maior que multinacionais de grande porte tenha uma dinâmica peculiar que dificulta a plena operação deste sistema.
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 | 0.016 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.018 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| 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".