<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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».