ENCOUNTER WITH PHILOSOPHERS IN THE CLASSROOM: THE WRATEC MODEL OF COMMUNITY OF INQUIRY IN ACTION
Bibliographic record
Abstract
O método WRATEC oferece uma caixa de ferramentas de estratégias eficazes para ajudar os professores a conduzir uma comunidade de investigação na sala de aula, através da discussão estruturada. WRATEC facilita o ensino e a aprendizagem por meio de um marco autocorretivo ao integrar as quatro dimensões de habilidades cognitivas caracterizadas por Lipman (1991), a saber: a investigação, o raciocínio, a informação, a habilidade de organização e a de tradução. WRATEC é um acrônimo para: W (Qual é o significado de...); R (explorar as razões das premissas dadas que levam a conclusões); A (detectar os pressupostos assumidos em frases ou conceito formado); T (verificação da verdade ou falsidade da conclusão ou inferência); E (dar exemplos em apoio à verdade ou falseabilidade das hipóteses); C (explorar alternativas ou contra-exemplos para a relatividade dos contextos de significado). A sétima etapa (S) repousa na habilidade de síntese (que pode ser expressa também na forma escrita) e conclui o processo dos sete hábitos de pensadores eficientes; daí por vezes ser apresentado como WRATECS. O método WRATEC oferece um marco eficaz para o desenvolvimento de competências interdisciplinares que compreendem habilidades: intelectual, social e metodológica. Como evidenciado nos novos programas de ensino de vários estados ou províncias, particularmente no Canadá, uma das prioridades dos programas de ensino e aprendizagem é o desenvolvimento de tais habilidades no contexto do discurso e da pesquisa cooperativa. O mapa visual de pensamento de WRATEC também torna possível traçar o progresso na amplitude e complexidade das ideias, e a profundidade da investigação movendo-a em direção a níveis mais elevados de generalidade, de modo a atualizar o progresso de investigação da Alegoria da Caverna de Platão, da opinião e da crença para o exame da validade dos pressupostos e o nexo de ideias aí envolvido.
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 | 0.013 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.011 | 0.045 |
| Scholarly communication | 0.020 | 0.020 |
| Open science | 0.005 | 0.014 |
| Research integrity | 0.007 | 0.006 |
| Insufficient payload (model declined to judge) | 0.007 | 0.003 |
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".