Prática de Avaliação: a construção de pareceres avaliativos em uma disciplina oferecida em um Mestrado Profissional
Bibliographic record
Abstract
Este artigo relata uma experiência conduzida na disciplina Prática de Avaliação de um Mestrado Profissional em Avaliação, quando foi solicitado aos alunos que elaborassem um Parecer Avaliativo sobre artigos que tratassem do mesmo tema. Os alunos encontraram 26 artigos que abordavam o tema Material Didático, depositados no período 2001-2016, na base de dados deste mestrado (e-Aval). Os artigos foram, então, analisados quantitativamente em relação aos aspectos: tipo de artigo; classificação por nível educacional; classificação da publicação segundo a região geográfica; e distribuição segundo o tema abordado. Em seguida, passaram por uma análise qualitativa que buscou aprofundar como esses artigos discutiam os principais itens que devem estar presentes em uma publicação dessa natureza, a saber: o problema, o objetivo de estudo, o referencial teórico, a metodologia, os resultados e as recomendações. Nesta análise foram tecidas comentários sobre tais partes, considerando o conjunto dos artigos. As autoras concluíram que ao analisar os 26 artigos da base de dados e-Aval, vinculados à categoria Avaliação de Material Didático, desenvolveram um recorte do Estado da Arte da Avaliação. Esta experiência ilustra o dinamismo da referida disciplina, com a produção de um trabalho cooperativo que contribui para o desenvolvimento crítico e a produção escrita dos alunos.
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 | 0.018 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.014 | 0.013 |
| Scholarly communication | 0.021 | 0.012 |
| Open science | 0.003 | 0.016 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.017 | 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".