MétaCan
Menu
Retour à la cohorte

O ensino da dança nas aulas de educação física e sua influência no bem-estar físico e mental dos alunos do ensino fundamental

2023· article· pt· W4372279019 sur OpenAlexaff
Raquel de Deus Pinho

Notice bibliographique

RevueRevista Científica Multidisciplinar Núcleo do Conhecimento · 2023
Typearticle
Languept
DomaineEnvironmental Science
ThématiqueUrban Arborization and Environmental Studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyPsychology

Résumé

récupéré en direct d'OpenAlex

A dança vem crescendo gradativamente como atividade extracurricular, mas parece difícil referir-se à dança de ensino escolar. Nesse sentido, a dança requer reflexão, pois existe em diferentes lugares, em diferentes âmbitos e tem diferentes propósitos. Projetos de educação em dança devem ser incentivados nas escolas, devendo haver infraestrutura para isso, como: equipamento de som e salas adequadas. Na educação básica, nas escolas regulares, costuma ser considerado conteúdo de educação física e, esse fato está claramente expresso nos Parâmetros Curriculares Nacionais e na Base Nacional Comum Curricular, embora também seja tratado no setor de artes, que inclui: dança visual, teatral e musical para a aprendizagem. A dança desenvolvida pela educação física nas escolas deve-se tornar mais abrangente e diversificada como ferramenta de ensino, ajudando o aluno a se conhecer e a se vivenciar plenamente, desenvolvendo habilidades motoras, psicológicas e perceptivas. A educação física é uma disciplina que separa a linguagem corporal e a expressão, sendo a dança abordada como um elemento desta matéria. De acordo com as diretrizes da Lei n. 9394/1996 e as Bases de Educação, arte e educação física são disciplinas obrigatórias, ensinando a diversificação da dança em vários aspectos. Desta forma, conclui-se que a dança pode contribuir de forma positiva para o bem-estar físico dos alunos.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,006
Communication savante0,0080,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0220,003

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 Opus0,025
Tête enseignante GPT0,283
Écart entre enseignants0,258 · 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'étudeObservationnel
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 revueRevista Científica Multidisciplinar Núcleo do ConhecimentoMême sujetUrban Arborization and Environmental StudiesTravaux en français237 207