As particularidades e os fatores de sucesso na colaboração a distância entre professores no âmbito do projeto Cégep em Rede
Bibliographic record
Abstract
Este artigo apresenta uma vertente dos resultados de um projeto depesquisa-ação centrado na colaboração a distância (telecolaboração)entre professores de estabelecimentos distantes, a fim de favorecer odesenvolvimento profissional desses professores e dinamizar os programasoferecidos a pequenos grupos. De maneira muito específica, o artigoexplica os fatores que contribuíram para o sucesso da colaboração adistância entre os professores participantes. Tal projeto, denominadoCégeps em Rede, conduzido pelo Cefrio (Centro Francófono deInformação das Organizações), consiste em agrupar classes de mesmosprogramas a pequenos grupos em Cégeps diferentes. Uma garantia dosucesso da colaboração entre professores – que a diferencia da colaboraçãoa distância entre estudantes – parece ser uma comunicação frequente econtínua que se realiza por meio de uma diversidade de meios tecnológicos,bem como por encontros presenciais ocasionais. No âmbito da pesquisa,o desenvolvimento de um modelo teórico unificado aplicável tanto àcolaboração entre professores quanto à colaboração entre estudantes, etanto à colaboração a distância quanto à colaboração presencial, seria umavanço apreciável.
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 | 0.029 | 0.075 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.023 | 0.005 |
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".