CONTRIBUIÇÕES DA MONITORIA ACADÊMICA NA FORMAÇÃO DOCENTE DE LICENCIANDOS EM CIÊNCIAS BIOLÓGICAS
Bibliographic record
Abstract
A participação em programas de contribuição para a formação docente, como o projeto de monitoria acadêmica contribui para o discente desenvolver sua própria didática e favorecer sua formação, realizando atividades de pesquisa ensino e extensão, complementando o papel do docente e criando uma relação bilateral de aprendizagem. Assim o presente trabalho objetivou analisar as contribuições do programa de monitoria acadêmica na formação docente para os discentes monitores de um curso de Ciências Biológicas. Para isso aplicou-se um questionário aos 10 estudantes que realizaram o exercício da monitoria em disciplinas no curso em questão, durante o ano de 2016. Os monitores alegaram optar pela monitoria devido às horas complementares, afinidade com a disciplina (9 alunos) e oportunidade de aperfeiçoar a formação docente (6 alunos) além de, em unanimidade, corroborarem como importante contribuinte da formação para o fazer docente, propiciando a compreensão da diversificação metodológica e dinamização das aulas das disciplinas contempladas com monitoria. Dessa forma, os resultados apontam para uma positiva contribuição da monitoria acadêmica na formação docente dos futuros professores.
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 | 0.051 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".