Representação em Tabelas: Aprendizagem por Alunos dos Anos Iniciais do Ensino Fundamental
Bibliographic record
Abstract
É fundamental formar cidadãos capazes de interpretar e sistematizar informações sobre todos os conhecimentos. Compreender representações em tabelas é um dos conhecimentos imprescindíveis para uma Educação Estatística de forma crítica. Neste estudo buscamos investigar a aprendizagem da representação em tabela por alunos dos anos iniciais do Ensino Fundamental. Para tal, realizamos um estudo experimental com 111 alunos do 2º e 5º anos. O pré e pós testes foram realizados de forma individual e uma intervenção de ensino, com duração de dois encontros de aproximadamente 2hs, foi realizada com toda a turma. Em todas as fases as atividades envolviam interpretar e construir tabelas simples e de dupla entrada com dados reais. Observamos que os alunos desde o 2º ano já sabiam localizar frequência, porém aprenderam a interpretar os dados e tomar decisão a partir deles, deixando de basearem-se em suas crenças ou experiências de vida. Passaram, assim, a analisar todos os dados da tabela e suas relações para justificar suas escolhas. Os alunos do 2º ano passaram a construir tabelas simples registrando todos os elementos constituintes, entretanto, só no 5º ano os alunos conseguiram construir tabelas de dupla entrada. Assim, quando o ensino de tabelas é realizado de forma intencional e sistemática, podem ser verificadas evoluções significativas na aprendizagem. O ensino de tabelas precisa prestigiar propostas de atividades que levem os alunos a refletir criticamente sobre contextos reais, explorando diferentes tipos de habilidades, analisando informações como forma de tomar decisão e confrontar conclusões.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".