Corpo e educação: contribuições de uma análise ergonômica para educação e lazer no cotidiano escolar
Bibliographic record
Abstract
INTRODUÇÃOPodemos destacar que a educação escolar é de extrema importância no desenvolvimento das crianças.No entanto, a nação ostenta, ainda, 18% de jovens de 15 a 17 anos fora da escola, e quase dois milhões de adolescentes semiletrados (INEP, 2009), indicando a necessidade de pesquisas que possibilitem superar essa problemática, para além das políticas atuais.Levantamos a questão da concepção do corpo, do lazer e da saúde do escolar.Para que seja feita uma relação de como anda o processo ensino-aprendizagem e de que maneira a escola vem ajudando na educação das crianças.Pretendemos com isso auxiliar na construção e confirmação da teoria que sugere o movimento corporal como fundamental para a educação escolar, para o lazer e para a saúde.Observando como o corpo é tratado na escola e sua questão ergonômica.A palavra ergonomia origina-se das palavras gregas erghon -que significa trabalho e da palavra nomos -que significa regras; e objetiva melhorar a segurança, a saúde, o conforto de tarefas exercidas por indivíduos de áreas distintas, adaptando-os aos diversos tipos de trabalho.Considerando o sentido amplo do trabalho, verificamos que ele não abrange apenas máquinas e equipamentos, como também todo relacionamento entre o ser humano e o ambiente.Como digitar no teclado do computador, operar máquinas, andar de bicicleta, sentar para assistir aula, ao utilizar o caderno para registrar o conteúdo escolar, escrever no quadro escolar, bem como em diversas outras situações que envolvem o homem e o ambiente
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".