Uma alternativa de conteudo para um programa de iniciacao a ginastica artistica: a experiencia do Canada
Bibliographic record
Abstract
Existem alguns programas de iniciação à Ginástica Artística nos quais técnicos e professores poderiam se basear para organizar o conteúdo do seu programa. Entre eles poderíamos destacar os trabalhos de MAGAKIAN (1978), CARRASCO (1977), RUSSELL & KINSMAN (1986) e LEGUET (1987). Entretanto, por desconhecimento ou por resistência às mudanças e novas abordagens, ainda continuam a definir o conteúdo de seus programas em uma série de habilidades no solo, na barra e no salto. Não podemos afirmar que a literatura referente à Ginástica Artística seja ampla e acessível a todos os técnicos e professores do Brasil. Uma possível justificativa para essa escassez seria a pouca popularidade desta modalidade se comparada a outros esportes como o futebol, voleibol, basquetebol, natação, etc. Mas, segundo DIANNO (1988), o número reduzido de pessoas envolvidas na modalidade seria um problema de “aparelhagem inadequada e escassa” e “material humano desqualificado”. Ainda segundo o mesmo autor, o pouco incentivo dos órgãos governamentais e dos clubes privados é que condicionou a Ginástica Artística do Brasil a esta situação precária. Entretanto, em nenhum momento o autor discutiu a competência e conhecimento das pessoas que orientam esse esporte ou fez menção à pouca literatura referente a esta área.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.034 | 0.008 |
| Scholarly communication | 0.009 | 0.002 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".