A utilização das TICS nas escolas públicas do Brasil: uma revisão bibliográfica do uso no planejamento educacional brasileiro
Bibliographic record
Abstract
La pandemia provocada por el virus COVID-19 no sólo tomó desprevenidos a los profesionales de la salud, sino también a la educación, que tuvo que realizar cambios en su planificación pedagógica por tiempo indefinido. Según datos de Naciones Unidas, más del 90% de los estudiantes matriculados en el planeta tuvieron que quedarse en casa para continuar estudiando de forma remota a través de computadoras y celulares, lo que dio una nueva configuración a la forma de enseñar y aprender. Ante esto, este artículo tiene como objetivo analizar el uso de las TIC en las escuelas públicas brasileñas, a través de una revisión teórica que fundamente el uso de esas herramientas en el aula, con el objetivo de una planificación más adecuada para el futuro. Además, como metodología de investigación, se realizó una revisión teórica sobre el uso de estas tecnologías en las escuelas. Como resultado, podemos resaltar la falta de estructura en las escuelas, la falta de preparación de docentes y estudiantes para programar Educación a Distancia de Emergencia - ERE, propuesto por las autoridades educativas debido a la pandemia. Con esto se concluye que son necesarias políticas públicas para adaptar las escuelas a esta nueva realidad que insiste en permanecer y cuyos impactos son incalculables.
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 | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.017 | 0.024 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| 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".