Ensino remoto: a inserção de novas tecnologias na educação especial e inclusiva no ensino de geografia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
O artigo tem como objetivo principal identificar como as novas tecnologias podem contribuir com a educação especial e inclusiva no ensino remoto de geografia em tempos de pandemia. A elaboração deste trabalho inicia com uma abordagem sobre a compreensão da ressignificação do novo modelo educacional utilizado no ensino remoto no período da pandemia da COVID-19, em seguida foi enfatizado a importância da formação docente na perspectiva tecnológica e no âmbito da educação especial e inclusiva, na sequência foram exemplificadas as alternativas e as limitações encontradas na utilização dessas novas tecnologias no ensino remoto de geografia. No referencial teórico foram utilizadas obras de autores que trazem contribuições na área da utilização das novas tecnologias no processo de ensino-aprendizagem da geografia, na educação especial e inclusiva, na formação docente e no ensino remoto. A metodologia adota procedimentos da pesquisa bibliográfica sobre a temática tratada e dialoga com princípios do método dialético. Nos resultados encontrados ficou evidente, que atualmente, período de vigência da pandemia da COVID-19, forçosamente os métodos educacionais estão passando por ressignificações, colocando desafios para a formação docente no âmbito tecnológico e na esfera da educação especial e inclusiva. Além disso, a partir do exame do material compilado foi constatado que podem ser criadas diversas alternativas didáticas na utilização das novas tecnologias no ensino remoto de geografia, contribuindo para dinamizar o ensino desse componente curricular.
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.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 découle