A LEITURA DE MUNDO A PARTIR DOS MAPAS TEMÁTICOS: ANÁLISE COMPARATIVA DOS MATERIAIS DIDÁTICOS DO BRASIL E DA ESPANHA
Bibliographic record
Abstract
Ao conceber a Cartografia como uma ferramenta que possibilita explicar, interpretar e representar o espaço, acredita-se que a mesma permite efetuar o raciocínio geográfico através dos mapas temáticos, que possuem o objetivo de aprofundar os estudos sobre os fenômenos espaciais e a dimensão destes, investigando, assim, a natureza, a dinâmica e a concepção destes fenômenos espaciais. No Brasil, os mapas temáticos são comumente utilizados como um método de ilustração e localização de locais. Na Espanha, observa-se que o mesmo ocorre, pois, muitas vezes seus materiais didáticos também se preocupam em demonstrar a localização de países e da ocorrência de fenômenos. Aliado ao fato de que o primeiro documento curricular padronizado escolar para o território brasileiro foi inspirado pelas reformas escolares espanholas, almeja-se exibir uma comparação entre os mapas inseridos nas propostas didáticas espanholas e brasileiras, apresentando os resultados obtidos a partir dos materiais didáticos utilizados pelas escolas públicas do estado de São Paulo, na região sudeste do Brasil, denominado de Caderno do Professor e do livro didático Geografia i Història, da Espanha. Este estudo utilizou um esquema desenvolvido com base no pensamento espacial para explorar a complexidade dos exercícios que envolvem mapas temáticos.
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 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.008 | 0.018 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".