APROXIMAÇÕES ENTRE METODOLOGIAS ATIVAS, TICs E EDUCAÇÃO A DISTÂNCIA
Bibliographic record
Abstract
As Metodologias Ativas (MA) rompem com o ensino tradicional, e são capazes de proporcionar maior autonomia e criticidade ao educando. Aliadas às Tecnologias da Informação e Comunicação (TICs) e à Educação a Distância (EaD), em especial, estas metodologias possibilitam ganhos ao processo de ensino-aprendizagem. Assim sendo, este trabalho procura visualizar se as MA estão sendo utilizadas na prática da educação presencial e a distância e faz um levantamento de quais são elas. Para tal, realizou-se uma pesquisa bibliográfica de abordagem qualitativa. Se tratando de educação em geral, segundo a literatura selecionada, as principais Metodologias Ativas relatadas são aprendizagem baseada em problemas, pedagogia da problematização, problematização com Arco de Maguerez, estudos de caso, grupos reflexivos, interdisciplinares de tutoria e de facilitação, exercícios em grupo, seminários, relato crítico de experiência, mesas-redondas, socialização, plenárias, exposições dialogadas, debates temáticos, leitura comentada, oficinas, apresentação de filmes, interpretações musicais, dramatizações, dinâmicas lúdico-pedagógicas, portfólio e avaliação oral. Na Educação a Distância, a aprendizagem baseada em problemas, a sala de aula invertida, a aprendizagem baseada em projetos e a instrução por pares. São citados também a gamificação, estudo de caso, simulações e seminários, objetos virtuais de aprendizagem, problematização com Arco de Maguerez, encontro presencial e ferramenta Glossário. O trabalho limitou-se a abordagem de obras já publicadas, que têm como fonte primária, em suma, relatos de experiência. Buscou-se a partir deste, subsidiar estudos e escolhas metodológicas de docentes de diferentes áreas, além de suscitar discussões acerca dos desafios concernentes ao desenvolvimento das MA e da EaD.Palavras-chave: Educação a Distância. Metodologias Ativas. Ensino-aprendizagem.
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 | 0.041 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.015 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.019 | 0.012 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 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".