Pesquisa-formação de professores nas dissertações, teses: 1999-2008
Bibliographic record
Abstract
O objetivo geral da pesquisa foi “conceituar pesquisa- formação, com vistas a contribuir para a construção de um campo conceitual-prático da pesquisa e da formação de professores e para a construção de uma epistemologia da formação docente”. Neste texto se faz um recorte desse objetivo para mapear as denominações dadas pelos autores das dissertações e teses dos Programas de Pós-graduação em Educação das Universidades Brasileiras (período 1999-008) às modalidades de pesquisa e ou metodologias realizadas mediante pesquisas de intervenção para formação de professores. Foram encontradas 7.390 dissertações e/ou teses. Mediante análise dos títulos, as palavras chave e os resumos, foram identificadas 1.353 pesquisas sobre formação de professores. Dessas, 177 foram identificadas como pesquisa intervenção para a formação de professores, nas quais resultaram mais de 40 denominações de tipos e/ou metodologias de pesquisa. Também resultou uma listagemde autores que fundamentaram os tipos de pesquisa ou metodologias utilizadas pelos autores dos trabalhos de dissertações e teses. Esses resultados mostram um reduzido número de pesquisas de intervenção no país e a hegemonia de certas concepções tradicionais, a maioria fundamentada em autores estrangeiros.
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 | 0.010 | 0.043 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.011 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.004 |
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".