“Meu professor é a bola”: a dinâmica multifacetada do aprendizado futebolístico
Bibliographic record
Abstract
Introdução 1A proposta deste artigo é retomar algumas questões que trabalhei no mestrado, quando procurei analisar distintas propostas de ensino do futebol.O processo da pesquisa iniciouse em fevereiro de 2007, marcado pela observação participante no CDM Cidade Líder 1 , o que inclui a escolinha de futebol, os times de futebol de várzea, diferentes atividades esportivas ali praticadas, dentre outras experiências e eventos, com intensas e constantes negociações visando ao acompanhamento das diferentes atividades. 2 A escolinha de futebol que acompanhei no CDM Cidade Líder era mantida em parceria com o Programa Mais Esporte 2 , criado pela Secretaria Municipal de Esportes de São Paulo e conveniado ao projeto Segundo Tempo do Ministério do Esporte.Coordenador do CDM Cidade Líder e ligado ao futebol varzeano do bairro desde a década de 1960 (como jogador, técnico e dirigente do clube Botafogo da Cidade Líder), Jaílson cuidava das tarefas burocráticas da escolinha, bem como do atendimento aos pais dos alunos.Antônio Silva, ex-jogador de futebol profissional que atuou em diversos clubes, com passagem pela Sociedade Esportiva Palmeiras ao final da década de 1970, comandava diariamente, nos períodos matutino e vespertino, as atividades da escolinha no campo de terra do CDM.As relações entre Jaílson e Silva, bem como as destes com as crianças e jovens do bairro, visto que os dois eram os responsáveis pelo ensino de futebol na escolinha."Meu professor é a bola": a dinâmica multifacetada do aprendizado futebolístico Ponto Urbe, 5 | 2009 O aprendizado fora da escolinha 7 O advento das escolinhas de futebol, principalmente a partir da década de 1980, trouxe novas formas de se pensar o futebol brasileiro, com a valorização das demandas do "Meu professor é a bola": a dinâmica multifacetada do aprendizado futebolístico Ponto Urbe, 5 | 2009
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 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".