ResumoO presente artigo discute as desigualdades de gênero no campo acadêmico. Através de uma abordagem quanti-qualitativa, analisa-se a distribuição das bolsas de produtividade em pesquisa do CN Pq no Brasil em relação a homens e mulheres. Conclui-se que essas desigualdades são aprofundadas pela menor presença das mulheres entre os bolsistas nos níveis mais altos, bem como entre as áreas que recebem mais recursos. Verifica-se ainda que não existe diferença estatisticamente significativa entre homens e mulheres no que se refere a um índice de produtividade acadêmica criado neste trabalho como referência empírica à temática discutida sobre produção científica e gênero, tampouco em relação à quantidade de publicações qualificadas entre eles e elas.
Resumo O artigo objetiva apresentar e analisar o campo acadêmico dos bolsistas de produtividade do CNPq (PQs) em Sociologia no Brasil. Trazemos uma revisão de literatura e um estudo quantitativo descritivo sobre os bolsistas no país a partir de um marco teórico que considera as implicações do conceito de campo acadêmico e científico de Pierre Bourdieu. O estudo responde sobre o processo de formação de um bolsista PQ no Brasil; analisa o perfil dos bolsistas PQ em sociologia e discute sobre o caso dos bolsistas de produtividade nível 1A do CNPq na sociologia, estrato mais elevado das bolsas de produtividade.
¿Cuál es el efecto recursos económicos disponibles por los partidos desafiantes en los votos? La literatura asume que los desafiantes son más eficientes cuando se trata de transformar el dinero en votos (Jacobson, 1978). Nuestro objetivo es analizar empíricamente esa relación, defendiendo la hipótesis de que los candidatos desafiantes son más eficientes a la hora de transformar recursos en votos. Para probar nuestra hipótesis analizaremos los datos de las elecciones para gobernadores de los años 2006, 2010, 2014 y 2018. Utilizaremos el Modelo de Regresión Mínimos Cuadrados Ordinarios (MCO) para estimar el efecto de los recursos disponibles sobre el voto. Nuestro objetivo se centra en los candidatos a las administraciones estatales brasileñas, cuyos resultados indican que: 1) hubo una caída significativa en los gastos de campaña electoral tras la ley que prohíbe la financiación privada; 2) El coste medio del voto en el año 2018 es de R$ 8, 84; y 3) los partidos desafiantes son más eficientes a la hora de transformar los recursos económicos en votos.
Este artigo apresenta uma breve introdução ao uso de algoritmos para coleta de dados em repositórios online em investigações no campo das ciências sociais a partir de um modelo empírico de pesquisa sobre produção acadêmica de bolsistas de produtividade do CNPq no Brasil. Metodologicamente, apresentamos uma pesquisa realizada com a aplicação da técnica computacional de elaboração de algoritmos e, em seguida, descrevemos o passo-a-passo do planejamento de algoritmo de scrapping a partir do software R. Busca-se não apenas tornar mais compreensível a técnica computacional para recolha de dados, como também fomentar sua utilização no campo das ciências sociais, tornando as coletas de dados em repositórios institucionais mais sistemáticas, transparentes, replicáveis e céleres. Palavras-chave: ciências sociais; produção acadêmica; coleta de dados quantitativos; algoritmos. Abstract This article presents a brief introduction to the algorithms for data collection used in online repositories in social sciences investigations based on empirical research on academic production of CNPq scientific productivity grants in Brazil. Methodologically, we present a study carried out to apply the computational technique of elaborating algorithms. Then we describe the step-by-step planning of the scrapping algorithm using the R software. The computational approach for data collection is understandable and promotes its use in the field of social sciences, making data collection in institutional repositories more systematic, transparent, replicable and quick. Keywords: Social sciences; academic production; quantitative data collection; algorithms. Resumen Este artículo presenta una breve introducción al uso de algoritmos para la recolección de datos en repositorios en línea en investigaciones en el campo de las ciencias sociales a partir de un modelo de investigación empírica sobre la producción académica de becarios de productividad del CNPq en Brasil. Metodológicamente, presentamos una investigación realizada con la aplicación de la técnica computacional de elaboración de algoritmos y luego describimos la planificación paso a paso del algoritmo de scrapping utilizando el software R. La técnica computacional para la recolección de datos intenta promover su uso en el campo de las ciencias sociales, haciendo que la recolección de datos en los repositorios institucionales sea más sistemática, transparente, replicable y rápida. Palavras clave: ciencias sociales; producción académica; recopilación de datos cuantitativos; algoritmos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.