<b>Fotografia nos Livros Didático do PNLD 2021: Uma Análise descritiva da Coleção Matéria, Energia e Vida</b>
Notice bibliographique
Résumé
A fotografia científica é importante na documentação e comunicação de dados e fenômenos estudados, por facilitar a observação e a análise de informações as vezes, apresentadas apenas com texto. Esta pesquisa investiga a influência das fotografias no ensino da química em livros didáticos do ensino médio aprovados no PNLD 2021-2024. O estudo busca responder como as fotografias contribuem para a compreensão dos conceitos químicos, influenciando no interesse e na motivação dos estudantes e impactando a qualidade do ensino-aprendizagem. A abordagem metodológica é qualitativa do tipo análise bibliográfica. Foi analisada uma coleção de livros didáticos, focando na utilização das fotografias para ilustrar conceitos químicos, demonstrações e aplicações práticas. Os principais resultados indicam que as fotografias nos livros didáticos de química desempenham funções importantes, promovendo uma representação visual complementar ao texto e exemplificando fenômenos químicos. A análise de 779 imagens fotográficas da coleção "Matéria, Energia e Vida: Uma Abordagem Interdisciplinar" destaca que as fotos são essenciais para aproximar os alunos dos conteúdos. Infere-se que o uso de fotografias no ensino de Química configura-se como uma estratégia pedagógica eficaz, ao favorecer a compreensão de conceitos abstratos por meio de representações visuais. Tal abordagem contribui para tornar os conteúdos mais acessíveis e atrativos, promovendo um processo de ensino aprendizagem dinâmico, significativo e intelectualmente estimulante.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».