Bibliographic record
Abstract
A presente comunicação tem como objetivo essencial dar a conhecer o trabalho realizado no arquivo da NOVA FCSH (Faculdade de Ciências Sociais e Humanas, Universidade Nova de Lisboa) durante o ano de 2018, refletindo e debatendo os desafios, as opções e a estratégia de gestão da informação desenvolvida. Criada em 1978, a instituição possuía um arquivo pouco organizado, sem portaria arquivística e com problemas de espaço, constituindo uma oportunidade a sua reorganização e gestão especializada. São apresentados os dois projetos desenvolvidos: o Projeto de implementação integrada de gestão de arquivo e proteção de dados (Junho-novembro 2018) e o Projeto de Implementação de boas práticas de gestão de informação arquivística na NOVA FCSH (em desenvolvimento). Particularmente, na sua opção pelo alinhamento estratégico com o trabalho realizado pelas Instituições do Ensino Superior (Projeto Comum de Gestão Documental nas Universidades Portuguesas) e pela Direção Geral dos Arquivos, bibliotecas e do Livro (DGLAB) desde 2014, esta experiência apresenta uma dupla influência e impacto no planeamento, duração e avaliação das ações: por um lado, na forma eficaz de tratar a documentação acumulada e na classificação da documentação produzida, integrando o RADA-IES - Relatório de Avaliação de Documentação Acumulada das Instituições de Ensino Superior (IES) e a Lista Consolidada e os seus produtos derivados, como a tabela de seleção nas suas práticas de gestão documental; por outro lado, na forma de apropriação destas práticas arquivísticas na aplicação do Regulamento Geral de Proteção de Dados (RGPD) na FCSH e na Universidade Nova de Lisboa
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 | 0.025 | 0.083 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.011 | 0.014 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.021 | 0.014 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.021 | 0.007 |
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".