Programação de Condições para Desenvolvimento de Comportamentos: Caracterização da produção científica brasileira de 1998-2017
Bibliographic record
Abstract
Esta revisão bibliográfica teve por objetivo caracterizar os estudos analítico-comportamentais brasileiros sobre Programação de Condições para o Desenvolvimento de Comportamentos (PCDC), com base em uma biblioteca da área. Dos 110 estudos recuperados, 69 foram incluídos para análise, produzidos entre 1998-2017 e que apresentaram etapas da PCDC e/ou compromisso teórico-conceitual com princípios da programação de ensino. Foram excluídos estudos com ênfase no procedimento de ensino sem descrição do planejamento, relatos de experiência, revisões de literatura e livros. As variáveis analisadas foram: ano de publicação, autores e instituições, tipo de obra, temas, conceitos, etapa da PCDC, delineamento e resultados. Os temas mais pesquisados foram: formação/atuação do psicólogo (27,5%), caracterização da atuação profissional (15,9%); dentre as etapas da PCDC, descoberta dos comportamentos-objetivo (71,9%) foi a mais frequente. Quanto aos estudos aplicados, todos (N=15) demonstraram eficiência dos programas de ensino aplicados e em apenas quatro foi avaliada a eficácia desses por meio de follow up. Conclui-se que os estudos são coerentes com as proposições de Carolina Bori de, primeiramente, caracterizar quais comportamentos serão ensinados. A PCDC pode contribuir à produção de conhecimento e desenvolvimento de tecnologias para intervenção nos mais variados contextos que envolvem processos de ensinar e aprender.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.015 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".