CONTRIBUTOS DO TEXTO PARA A TERMINOLOGIA DE BASE CONCEPTUAL. O CONCEITO DE "BLENDED LEARNING": UMA VIAGEM DIACRÓNICA
Bibliographic record
Abstract
Este artigo constituiu um exercício de reflexão sobre um dos cenários educativos mais promissores do Ensino Superior atual: o blended learning. Assumimos o ponto de vista da Terminologia, disciplina que se ocupa da representação, da descrição e da definição do conhecimento especializado através da língua. Neste quadro teórico, os conceitos, enquanto elementos da estrutura do conhecimento, constituem um objeto de investigação de complexidade não despicienda, pois, apesar do postulado de que a língua é uma ferramenta fundamental para descrever e organizar o conhecimento, o princípio isomórfico não pode ser tomado como adquirido. A abordagem conceptual em Terminologia propõe uma visão precisa do papel da língua no trabalho terminológico, sendo premissa basilar que não existe uma correspondência unívoca entre os elementos atomísticos do conhecimento e os elementos da expressão linguística. Não obstante, como será demonstrado, a análise do texto de especialidade é uma ferramenta relevante para acesso ao conceito, constituindo um dos principais ambientes discursivos ao dispor do terminólogo.
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 | 0.008 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.005 | 0.024 |
| Scholarly communication | 0.017 | 0.026 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.014 | 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".