Conteúdos Pedagógicos do Esporte: Uma revisão integrativa sobre instrumentos de medida
Bibliographic record
Abstract
Objetivo: O objetivo desta revisão integrativa foi realizar um levantamento e análise dos artigos de validação de instrumentos designados a mensurar, de alguma forma, aspectos relacionados aos conteúdos pedagógicos do esporte: desenvolvimento de habilidades motoras, estratégico-tático, socioeducativo, de autonomia, afetivo-social e democratização.Materiais e Métodos: A busca por artigos foi realizada nas bases de dados Scielo e LILACS com os descritores sport$ AND valid$. Resultados: Dos 25 estudos selecionados para análise, constatou-se que a maioria propôs instrumentos associados aos conteúdos relacionados à performance – desenvolvimento de habilidades motoras e estratégico-tático; seguido por aspectos associados às interações sociais e, por fim, aqueles associados a valores. A maioria dos instrumentos explora amostras com adolescentes e modalidades coletivas. Os artigos apresentaram principalmente índices relacionados à validade de conteúdo, à estabilidade do modelo e à fidedignidade de suas medidas. De forma geral apresentaram índices satisfatórios. Boa parte dos estudos apresentou todos os itens de seu instrumento ou mesmo o instrumento completo, o que é importante neste tipo de estudo.Conclusão: Conclui-se que existem lacunas na medida de conteúdos pedagógicos no esporte, podendo-se explorar a criação de um modelo multidimensional de medida, especialmente no contexto competitivo infantojuvenil.
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 | 0.104 | 0.215 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.005 |
| Bibliometrics | 0.016 | 0.020 |
| Science and technology studies | 0.003 | 0.014 |
| Scholarly communication | 0.018 | 0.016 |
| Open science | 0.005 | 0.008 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.007 | 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".