Privacidade e licenças

O que nunca sai da sua máquina

• Textos para modelos: os embeddings, os rótulos dos tópicos e a classificação rodam no Ollama local.
• E-mails de autores: a ArticleMeta traz o e-mail de alguns autores nas afiliações. A normalização da coleta descarta esse campo, e ele nunca chega aos dados do projeto nem ao site publicado. Os testes do contrato de dados verificam que nenhum arquivo exportado contém e-mails. Os textos (afiliações, títulos e resumos) também passam por um detector, que tira o endereço comum (fulana@exemplo.br, também com o arroba largo ＠ ou ﹫) e as formas com espaço em volta do @ ou depois do ponto, ou com [at]/(arroba) e [dot]/(ponto). Nessas formas, ele só reconhece o endereço se o domínio terminar num domínio de topo, em minúsculas: qualquer domínio de país (.br, .pa, .st…) ou um genérico comum (.com, .org, .io, .cat…). A forma palavra @dominio.tld, com espaço só antes do @, é ambígua: pode ser um e-mail com espaço ou um perfil de rede social citado num resumo (o perfil @frente.pe). Nela, o detector tira só o @dominio.tld e deixa a palavra anterior: o endereço não fica reconstruível, e um perfil perde só o @…, sem apagar o texto em volta. Um perfil que não termina num domínio de topo, como @maria.silva, continua no texto. Para não apagar palavras de um texto com linguagem neutra ou métricas (entre tod@s. no entanto, P@10. de acordo), a forma com espaço depois do ponto exige um primeiro rótulo de duas letras ou mais no domínio: fulana@a. br escapa. Antes de procurar, o detector ignora o hífen suave e os espaços de largura zero, que escondem um endereço inteiro na tela, e lê o ponto largo (．) como ponto.
• Codificações humanas individuais: ficam no estado.sqlite do projeto. O mesmo vale para um supervisor do júri que seja uma pessoa (sem família de modelo em juri.supervisor.familia): as escolhas e as justificativas dele entram só nos números agregados. Os arquivos que o painel lê (saida/dados/) e o site publicado trazem só as métricas agregadas de concordância (a concordância por idioma e entre respostas informativas vai sem matriz de confusão nem métricas por categoria, que num grupo pequeno mostrariam as respostas de cada documento); as divergências caso a caso saem apenas para codificadores de referência, que não são pessoas. As divergências de uma pessoa aparecem só no painel local, pela API, e no relatório em validacao/, que não é publicado e que o .gitignore do projeto deixa fora do git.
• ORCIDs e ids de autor do OpenAlex: a etapa das redes usa-os para saber quem é quem, mas eles não vão para o site. Cada pessoa aparece com um id curto, um HMAC do id interno com um segredo do projeto, gerado na primeira mapa redes e guardado no estado.sqlite (que não é publicado). Sem o segredo, não dá para voltar do id publicado ao ORCID testando candidatos, o que um hash sem chave permitiria em minutos. O id continua o mesmo entre execuções enquanto a pessoa for a mesma; uma fusão ou separação no pessoas.yaml, ou um projeto copiado sem o estado.sqlite, muda os ids (e os links com no=). O mapa publicar procura ORCIDs, além de e-mails, em cada arquivo do site, e interrompe a publicação se achar um que tenha chegado aos dados por outro caminho (um título de obra, um nome no pessoas.yaml).
• Chaves e e-mail de contato: ficam no .env do projeto, que o mapa novo já coloca no .gitignore.

As únicas chamadas externas são as da coleta de metadados públicos (ArticleMeta e OpenAlex), identificadas por um User-Agent do projeto.

A exceção é opcional e explícita: o supervisor do júri pela API da Anthropic (juri.supervisor.modo: api) envia os títulos e resumos dos pedidos em disputa. Ele só roda com enviar_textos: true no mapa.yaml, uma confirmação a cada execução e um limite de gasto; o padrão é o supervisor por arquivos, sem rede. Veja Usar o júri.

Licenças dos resumos

O painel local mostra os resumos para você trabalhar. O site publicado (mapa publicar) é outra coisa: redistribui os resumos na internet, e aí a licença de cada artigo importa.

As fontes nem sempre concordam sobre a licença:

• no registro das revistas do piloto, a ArticleMeta indica CC BY para todas;
• o OpenAlex indica CC BY-NC em 2.428 artigos e CC BY em 2.174;
• o XML da ArticleMeta chega a indicar CC BY 4.0 para um artigo de 2010, três anos antes de essa versão da licença existir, o que sugere que ele traz a licença atual da revista, e não a original.

Por isso o mapa-da-ciencia segue uma regra prudente:

• a licença de cada artigo é a mais restritiva entre a do OpenAlex e a da revista, e a fonte fica registrada;
• num site publicado sem fins comerciais, resumos com licença Creative Commons (BY, BY-NC, BY-NC-ND) são mostrados na íntegra e sem alteração, com atribuição (autores, revista, DOI e licença);
• resumos sem licença identificada, ou com licença não aberta, ficam de fora: aparecem só título, metadados e link;
• a opção --sem-resumos publica sem nenhum resumo.

Não é parecer jurídico

Esta é uma regra prática adotada pelo projeto, não uma orientação jurídica. Em caso de dúvida sobre um uso específico, consulte a licença de cada artigo e, se preciso, a assessoria da sua instituição.

Projeto independente

O mapa-da-ciencia é um projeto independente, sem vínculo oficial com o SciELO, o OpenAlex ou o IBGE. Os dados continuam sendo das respectivas fontes. Ao publicar resultados, cite as fontes e as revistas.