Avaliações Personalizadas Online para alunos público-alvo da Educação Especial: análise qualitativa e da funcionalidade do recurso
Notice bibliographique
Résumé
No processo de escolarizacao do aluno considerado como publico-alvo da Educacao Especial (PAEE), um dos conceitos discutidos sobre a pratica docente e o da avaliacao pedagogica, ou seja, como planejar e desenvolver mecanismos de avaliacao que possam demonstrar, quantitativa e qualitativamente, os avancos pedagogicos de alunos com deficiencia, transtorno do espectro autista e alta habilidade/superdotacao. Como organizar momentos e instrumentos para avaliar a aprendizagem dos conteudos desenvolvidos na sala de aula do ensino comum? Nesse cenario, foi construido e aplicado um recurso denominado “Avaliacoes Online Personalizadas” (APOn), utilizando o Google Forms como plataforma para o instrumento de avaliacao, atraves da producao e construcao do recurso pedagogico, considerando como referencial teorico o conceito de ajustes curriculares (flexibilidade, adequacao e adaptacao) como norteadores do processo de producao das avaliacoes. Esse recurso foi aplicado nas redes municipais de educacao, garantindo os preceitos da realizacao da educacao especial na perspectiva da educacao inclusiva, na qual todos os alunos, independentemente de serem ou nao PAEE, podem ser submetidos aos mesmos criterios de avaliacao, apenas com a adequacao do recurso de avaliacao que considere suas condicoes sensoriais e cognitivas. Os resultados quantitativos e qualitativos, relativos a funcionalidade dos recursos, foram positivos, o que nos faz pensar que esse recurso e indispensavel para uma educacao que contemple os principios da educacao inclusiva.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».