Bibliographic record
Abstract
Este trabalho faz parte de uma investigação em curso e visa analisar um conjunto de atividades de um projeto plurilingue e interdisciplinar, concebido e implementado em Montevideu, Uruguai, em 2019, por uma rede de atores educativos integrando professores, mediadores de museus, famílias e investigadores. O projeto inscreve-se dentro de uma abordagem do plurilinguismo como meio e finalidade (GROMMES; HU, 2014) e pretende estabelecer espaços de continuidade entre as aprendizagens na escola, nas famílias e na comunidade, numa perspetiva ecológica da paisagem do lugar. Pretende também promover o reconhecimento da diversidade linguística e cultural e da dimensão multissituada do conhecimento. Foram recolhidos dados multimodais, compreendendo documentação visual e sonora da paisagem linguística da Ciudad Vieja, desenhos e colagens produzidos pelas crianças, registos audiovisuais das diversas atividades e diário de investigação. Nesta contribuição, discutimos as implicações das paisagens linguísticas (PL) como instrumento para a criação de cenários pedagógicos interdisciplinares promotores de aprendizagens multissituadas e de reflexões críticas em torno do plurilinguismo e da multimodalidade, bem como as incidências destes cenários na apropriação e (re)conceptualização do espaço que rodeia os aprendentes na relação com o desenvolvimento da sua identidade. O estudo demonstra o potencial das PL como espaços de aprendizagem e como recursos contextuais para uma maior sensibilização para a diversidade linguística e cultural.
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 | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.343 | 0.166 |
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".