Prescrição de exercícios físicos para populações especiais: experiências em disciplina de tópicos especiais online para pós-graduação stricto sensu
Notice bibliographique
Résumé
OBJETIVO: Contextualizar e relatar experiências com a disciplina “Prescrição de exercícios físicos para populações especiais”, ministrada online para alunos de um programa de pós-graduação stricto sensu. MÉTODOS: A disciplina de 60h contou com 18 profissionais de Educação Física (EF) e um de Fisioterapia. Foram realizados 6 módulos ao vivo com duração de 4 horas (imersão) com o restante do tempo distribuído em atividades de dispersão (i.e., buscas, leituras, relatórios). Durante o processo de ensino-aprendizagem foi solicitada a leitura de aproximadamente 10 artigos, a realização de dois trabalhos e um produto final que deveria ser divulgado através de uma ação de knowledge translation (redes sociais, Unidades Básicas de Saúde - UBS, academias). O programa da disciplina foi ancorado nos subtópicos: 1) contextualização de populações especiais e a atuação do profissional de EF; 2) formação para atuação com populações especiais; 3) atividade física baseada em evidências; 4) exercício é remédio; 5) componentes para prescrição de exercícios e; 6) conexão ciência e prática por meio do knowledge translation/implementation science. RESULTADOS: A contextualização de populações especiais, a atuação e a formação do profissional de EF no âmbito da prescrição de exercícios para populações especiais com foco em uma ação de knowledge translation permitiram a elaboração e divulgação de recomendações de exercícios físicos em redes sociais, academias e UBS. Este processo propiciou aos alunos aprendizagem ativa e experimentação de como os resultados de uma disciplina de pós-graduação podem imediatamente ser convertidos em informação para a sociedade, seja para população geral ou para formação acadêmica para atuação com populações especiais. CONCLUSÃO: Espera-se que esse relato propicie a discussão continuada sobre a atuação do profissional de EF no campo da prescrição de exercícios físicos para populações especiais e maior aproximação de ciência na prática profissional.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».