MétaCan
Menu
Retour à la cohorte
Enregistrement W4366334169 · doi:10.56372/desleituras.v11i11.165

CINEMATOGRAFIA E EDUCAÇÃO: CONTRIBUIÇÕES PARA O DESENVOLVIMENTO DA LEITURA E DA ESCRITA

2023· article· pt· W4366334169 sur OpenAlexaff
Joyce Silva Pontes de Oliveira, Fábio de Sousa Dantas

Notice bibliographique

Revuedesleituras Literatura Filosofia Cinema e outras artes · 2023
Typearticle
Languept
DomaineArts and Humanities
ThématiqueCultural, Media, and Literary Studies
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Este texto vai explanar as diversas contribuições que as obras cinematográficas podem propiciar para a educação, ferramenta essa que pode ser uma grande aliada dos docentes em sala de aula, visto que os filmes chamam a atenção dos aprendentes, diante da transtextualidade e uso de recursos estéticos que dialogam com outras expressões artísticas, além das refrações histórico-sociais possíveis. Nessa perspectiva, compartilhamos algumas experiências didáticas oriundas do projeto “Cine-CAVN: Recepção crítica da indústria cultural na formação da leitura, da escrita e no letramento midiático”, realizado na UFPB / Campus III. Tal demanda institucional surge da necessidade formativa do sujeito crítico e atuante, utilizando como mediação o cinema, arte integrante da cultura da mídia, que auxilia os participantes na produção de textos, visto que a escrita ainda é um grande desafio para a maioria dos discentes. O objetivo das ações é analisar as obras fílmicas e potencializar nos participantes um olhar problematizador, por meio de textos escritos e/ou audiovisuais, trazendo como impacto social um cidadão emancipado (FREIRE, 1986). Assim como o mundo está em constante transformação, a escola também deve se adequar a algumas necessidades dos alunos, e trazer para a sala de aula ferramentas tecnológicas do seu cotidiano, propiciando, desta forma, novos olhares para os temas sensíveis e componentes curriculares (ocultos ou não), de forma a estimular a(s) habilidades(s) crítica(s) dos aprendentes.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,009
Communication savante0,0130,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,068
Tête enseignante GPT0,294
Écart entre enseignants0,226 · 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'étudeSans objet
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuedesleituras Literatura Filosofia Cinema e outras artesMême sujetCultural, Media, and Literary StudiesTravaux en français237 207