MétaCan
Menu
Retour à la cohorte
Enregistrement W2624312899

A importância da utilização de diferentes recursos didáticos no Ensino de Ciências e Biologia

2017· article· pt· W2624312899 sur OpenAlexvenueno aff
Jéssica Anese Nicola, Catiane Mazocco Paniz

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2017
Typearticle
Languept
DomaineSocial Sciences
ThématiqueScience and Education Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ainda hoje, a educacao apresenta inumeras caracteristicas de um ensino tradicional, com a ideia de que somente o professor tem conhecimento enquanto os saberes dos alunos nao sao considerados. Devido a isso, com o passar do tempo os alunos podem perder o interesse pelas aulas, pois alem de seus conhecimentos nao serem valorizados, nao sao utilizados diferentes recursos e metodologias para a implementacao das aulas. Existem diversos meios e recursos que podem tornar a aula mais atrativa, e que, desde que sejam bem utilizados, contribuem para que aluno tenha interesse pelo conteudo trabalhado e assim construa conhecimentos. No entanto, por diversos motivos muitos professores nao fazem uso destes recursos, seja por falta de estrutura, tempo ou por nao acreditarem que esse pode auxiliar na aprendizagem dos alunos. Nesse sentido o presente trabalho tem por objetivo analisar, a partir da utilizacao de entrevistas com professores de Ciencias e Biologia de escolas publicas a importância da utilizacao de diferentes recursos no ensino de ciencias e de biologia. As analises foram realizadas a luz da Analise Textual Discursiva (ATD), e os resultados demostram que o uso de metodologias e recursos diferentes proporcionam aos alunos ganhos significativos no processo de ensino e aprendizagem, os mesmos sentem-se motivados e se mostram mais interessados quando neles e despertado a vontade da construcao de conhecimento.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,056
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,016
Études des sciences et des technologies0,0050,010
Communication savante0,0210,013
Science ouverte0,0030,007
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,256
Tête enseignante GPT0,485
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINFOR Information Systems and Operational ResearchMême sujetScience and Education ResearchTravaux en français237 207