Cyberformação e o design de atividades-matemáticas: cultura, contextos e horizontes que se desvelam
Bibliographic record
Abstract
O objetivo desse artigo foi compreender, em termos de dimensão pedagógica, no que uma concepção de formação com professores de matemática que defende o trabalho com Tecnologias Digitais, de modo que essas sejam partícipes da produção do conhecimento matemático, progride quando há o desenvolvimento de atividades-matemáticas-com-TD vinculadas a contextos culturais. Isso foi discutido a partir de teóricos que estudam a concepção de Cyberformação e de outros que refletem sobre a inserção de contextos culturais na Educação. Assim, foi proposto um curso de extensão a distância para professores de matemática provenientes de diferentes contextos culturais, no qual esses desenvolveram atividades-matemáticas-com-TD, correlacionando-as a esses contextos. A análise realizada nos possibilitou evidenciar uma “matemática não planejada” como uma das facetas do horizonte que se desvelou à dimensão pedagógica da concepção da Cyberformação. Essa, se mostrou em função do professor se propor a desenhar atividades considerando aspectos de contextos culturais, possibilitando a seus alunos se lançarem a essa “matemática não planejada”, de modo a romper com a reprodução de atividades prontas, muitas vezes, coletadas em livros didáticos que se referem a grandes centros, o que não contribui com a produção do conhecimento com um sentido próprio atribuído à matemática estudada.
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 | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.016 |
| Scholarly communication | 0.011 | 0.012 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".