As relações étnico-raciais na sociedade brasileira: suas implicações na Educação e nas Legislações Educacionais
Bibliographic record
Abstract
Resumo O tema da diversidade cultural tem se ampliado e é motivo de pesquisas em diversas áreas de conhecimento no mundo.A preocupação em investigar esse tema ocorreu, principalmente, a partir da imigração iniciada com o processo de descolonização da África, Ásia e América no século XX.Porém, a discussão sobre a diversidade cultural brasileira e sua contribuição na formação dessa sociedade se iniciou no século XIX.No presente artigo buscaremos analisar as legislações educacionais para entender quais são as normas para a Educação brasileira sobre as relações étnico-raciais nas escolas e o que elas recomendam, traçando antes uma análise sobre os debates acadêmicos existentes no Brasil sobre sua diversidade cultural.Ressalta-se que o artigo foi elaborado de acordo com a realidade brasileira, ou seja, é uma visão do Brasil.A metodologia da pesquisa se iniciou com o levantamento bibliográfico e de leis educacionais que tratam da temática da contribuição histórica e cultural da população negra no Brasil.No desenvolvimento da pesquisa buscamos realizar uma análise do conteúdo entre o contexto da sociedade brasileira e a formulação de leis noâmbito da Educação que enfatizam a necessidade de inserir a história e culturas africanas eafro-brasileiras no ensino.Compreende-se que não basta reconhecer que existe desigualdade racial no Brasil, é necessário buscar formas conjuntas e efetivas de combatê-lo e a Educação tem um papel importante.
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 | 0.009 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.009 | 0.018 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".