Formação em educação física no contexto de saúde pública nos melhores cursos do Brasil
Bibliographic record
Abstract
O objetivo do estudo foi revisar projetos pedagógicos (PP) para identificar a formação do profissional de Educação Física (PEF) (Bacharelado) no contexto de Saúde Pública nos melhores cursos do Brasil. Foram selecionados os 10 melhores cursos de graduação em EF ranqueados em dois sistemas de avaliações nacionais (Exame Nacional de Desempenho na Educação e Ranking Universitário Folha) e as 10 melhores Universidades num ranking internacional (QS World University Rankings). Mediante revisão rápida foram extraídas informações dos PPs de 18 cursos que atenderam aos critérios de inclusão. Trinta e seis disciplinas no contexto de Saúde Pública foram localizadas nas grades curriculares. Em relação a carga horária média menos de 1% da grade eletiva dos cursos era dedicada a disciplinas sobre Saúde Pública. O estudo revelou um cenário de formação de Bacharéis em EF distante do crescimento que a área demonstrou no campo da Saúde Pública nos últimos anos. É importante que os cursos de graduação em EF considerem uma formação específica no contexto da Saúde Pública, de modo a favorecer a consolidação da atuação do PEF e a qualidade do seu serviço na Atenção Primária à Saúde.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| 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".