Prescrição de exercícios físicos para populações especiais: experiências em disciplina de tópicos especiais online para pós-graduação stricto sensu
Bibliographic record
Abstract
OBJETIVO: Contextualizar e relatar experiências com a disciplina “Prescrição de exercícios físicos para populações especiais”, ministrada online para alunos de um programa de pós-graduação stricto sensu. MÉTODOS: A disciplina de 60h contou com 18 profissionais de Educação Física (EF) e um de Fisioterapia. Foram realizados 6 módulos ao vivo com duração de 4 horas (imersão) com o restante do tempo distribuído em atividades de dispersão (i.e., buscas, leituras, relatórios). Durante o processo de ensino-aprendizagem foi solicitada a leitura de aproximadamente 10 artigos, a realização de dois trabalhos e um produto final que deveria ser divulgado através de uma ação de knowledge translation (redes sociais, Unidades Básicas de Saúde - UBS, academias). O programa da disciplina foi ancorado nos subtópicos: 1) contextualização de populações especiais e a atuação do profissional de EF; 2) formação para atuação com populações especiais; 3) atividade física baseada em evidências; 4) exercício é remédio; 5) componentes para prescrição de exercícios e; 6) conexão ciência e prática por meio do knowledge translation/implementation science. RESULTADOS: A contextualização de populações especiais, a atuação e a formação do profissional de EF no âmbito da prescrição de exercícios para populações especiais com foco em uma ação de knowledge translation permitiram a elaboração e divulgação de recomendações de exercícios físicos em redes sociais, academias e UBS. Este processo propiciou aos alunos aprendizagem ativa e experimentação de como os resultados de uma disciplina de pós-graduação podem imediatamente ser convertidos em informação para a sociedade, seja para população geral ou para formação acadêmica para atuação com populações especiais. CONCLUSÃO: Espera-se que esse relato propicie a discussão continuada sobre a atuação do profissional de EF no campo da prescrição de exercícios físicos para populações especiais e maior aproximação de ciência na prática profissional.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 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".