Avaliações Personalizadas Online para alunos público-alvo da Educação Especial: análise qualitativa e da funcionalidade do recurso
Bibliographic record
Abstract
No processo de escolarizacao do aluno considerado como publico-alvo da Educacao Especial (PAEE), um dos conceitos discutidos sobre a pratica docente e o da avaliacao pedagogica, ou seja, como planejar e desenvolver mecanismos de avaliacao que possam demonstrar, quantitativa e qualitativamente, os avancos pedagogicos de alunos com deficiencia, transtorno do espectro autista e alta habilidade/superdotacao. Como organizar momentos e instrumentos para avaliar a aprendizagem dos conteudos desenvolvidos na sala de aula do ensino comum? Nesse cenario, foi construido e aplicado um recurso denominado “Avaliacoes Online Personalizadas” (APOn), utilizando o Google Forms como plataforma para o instrumento de avaliacao, atraves da producao e construcao do recurso pedagogico, considerando como referencial teorico o conceito de ajustes curriculares (flexibilidade, adequacao e adaptacao) como norteadores do processo de producao das avaliacoes. Esse recurso foi aplicado nas redes municipais de educacao, garantindo os preceitos da realizacao da educacao especial na perspectiva da educacao inclusiva, na qual todos os alunos, independentemente de serem ou nao PAEE, podem ser submetidos aos mesmos criterios de avaliacao, apenas com a adequacao do recurso de avaliacao que considere suas condicoes sensoriais e cognitivas. Os resultados quantitativos e qualitativos, relativos a funcionalidade dos recursos, foram positivos, o que nos faz pensar que esse recurso e indispensavel para uma educacao que contemple os principios da educacao inclusiva.
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 | 0.017 | 0.068 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.010 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| 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".