MétaCan
Menu
Retour à la cohorte
Enregistrement W4392670095 · doi:10.57209/e-locucao.v1i20.417

GAMIFICAÇÃO COMO FERRAMENTA POTENCIALIZADORA NO PROCESSO DE ENSINO E APRENDIZAGEM: uma realidade plausível de forma presencial e remota

2021· article· pt· W4392670095 sur OpenAlexaff
PHILIPPE DRUMOND VILAS BOAS TAVARES, Karina Fonseca, CECÍLIA GOMES, DAIANE DE SOUZA SILVEIRA, JUCEIA BATISTA NUNES

Notice bibliographique

RevueRevista Científica e-Locução · 2021
Typearticle
Languept
DomaineSocial Sciences
ThématiqueEducation and Digital Technologies
Établissements canadiensDiscovery Air (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Diante da mudança do perfil dos estudantes e a popularidade da tecnologia digital dainformação e comunicação (TDIC), ocasionada pelos dispositivos móveis, algumasestratégias didáticas têm surgido na sala de aula, dentre elas, a gamificação, cujopropósito é motivar e engajar os estudantes no processo de aprendizagem. Oobjetivo do presente trabalho é apresentar a proposta de gamificação, para oenvolvimento e desenvolvimento dos estudantes do 1º ano do Ensino Fundamental, apartir da exemplificação de uma atividade interdiscilplinar que congrega os princípiosda gamificação. A metodologia utilizada foi a pesquisa bibliográfica e comoinstrumentos tecnológicos digitais dispomos das plataformas, CNEC - Sistema deensino - Noas, Google Meet, Classroom, Youtube, WhatsApp. A gamificação estáaliada à ludicidade, desta forma, surge a oportunidade de potencializar aaprendizagem, pois ela utiliza diversas ferramentas no processo de ensinoaprendizageme faz com que o professor trabalhe e desenvolva inúmeras habilidadesnos estudantes. Assim, por meio da gamificação é possível criar a condição dearticular teoria e prática aos conceitos sistematizados na educação de forma lúdica,dinâmica e envolvente buscando promover a (re) construção do currículo escolar paraatender às necessidades da nova geração.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,339
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,061
Tête enseignante GPT0,348
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Científica e-LocuçãoMême sujetEducation and Digital TechnologiesTravaux en français237 207