MétaCan
Menu
Retour à la cohorte
Enregistrement W7067745221

A música e a escrita criativa baseada em temas de textos sugeridos no plano nacional de leitura

2015· dissertation· pt· W7067745221 sur OpenAlexaboutno aff

Notice bibliographique

RevuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT) · 2015
Typedissertation
Languept
DomaineComputer Science
ThématiqueComputational Physics and Python Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReading (process)Face (sociological concept)Interpretation (philosophy)Order (exchange)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

O presente relatório surge no âmbito da unidade curricular de prática de ensino supervisionada inserida no ciclo de estudos do mestrado em ensino do 1.º e 2.º ciclos do ensino básico. Este relatório inclui um estudo de investigação educacional. O estudo versa sobre a música como potenciadora do desenvolvimento da escrita criativa. Para esta atividade, foi proposto explorar o papel da música no processo da escrita criativa a partir de textos do plano nacional de leitura (PNL) que são estudados em sala de aula. Neste caso foi escolhida a obra Ulisses de Maria Alberta Menéres. A escrita criativa é referida frequentemente nalguns documentos oficiais, mas isso não encontra eco na sala de aula. Face a este problema, decidiu-se incluir a música na disciplina de Português no sentido de estimular a imaginação dos alunos na prática da escrita criativa. Para determinar a importância da música nesse processo de escrita, duas atividades foram implementadas utilizando variadas estratégias próprias das regras de escrita criativa. Apenas uma delas (atividade B) envolve o recurso à música. Foi assim possível estabelecer uma comparação de resultados entre ambas as atividades. Verificou-se que, em comparação com a atividade A, na atividade B houve uma melhoria dos produtos. Porém devido principalmente ao limitado número de elementos da amostra, os resultados não permitem qualquer extrapolação. Assim, a questão proposta fica ainda em aberto.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,007
Communication savante0,0100,005
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0170,004

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 Opus0,073
Tête enseignante GPT0,401
Écart entre enseignants0,328 · 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'étudeQualitatif
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT)Même sujetComputational Physics and Python ApplicationsTravaux en français237 207