PET NAS ESCOLAS: O CONHECIMENTO “PLURIVERSITÁRIO” PROMOVIDO PELO PET ECONOMIA DA UNIVERSIDADE ESTADUAL DO SUDOESTE DA BAHIA
Bibliographic record
Abstract
Este trabalho objetiva apresentar a relação extramuros desenvolvida pelo PET Economia daUESB com o trabalho intitulado “PET nas Escolas” como uma forma de auxiliar o aluno pré-vestibulando com a escolha do curso de graduação. Com isso, espera-se contribuir para aredução dos problemas sociais, acadêmicos e econômicos relacionados à retenção/evasão dediscentes no curso de Economia na UESB. O projeto consistiu em apresentar para estudantes doensino médio de uma rede estadual de educação em Vitória da Conquista, o Centro Territorialde Educação Profissional- CETEP, as características do curso de Ciências Econômicas, de modogeral, e a particularidades do curso na UESB. Foram retratados na sala de aula o objeto docurso, o tempo de duração, o fluxograma e as áreas no mercado de trabalho do economista.Adotou-se como material a utilização de slides para apresentação das informações e o métodopara realizar tal apresentação foi a exposição oral por parte dos (das) bolsistas do Programa. Emseguida, houve espaço para a fala dos estudantes do CETEP e um bate papo com os expositorese o tutor do Programa. Ao finalizar o projeto, os (as) alunos (as) da instituição se mostraramsatisfeitos (as) pelo conhecimento adquirido e aqueles (as) que tinham o curso de Economiadentro do seu leque de opções, relataram mais segurança para a escolha do curso.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| 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".