MétaCan
Menu
Back to cohort
Record W4315489910 · doi:10.51189/cinped/13550

SOFTWARES, OBTENDO DESIGN VERDE PARA PROJETOS DE PESQUISA

2023· article· pt· W4315489910 on OpenAlexaff
Alencar Coelho da Silva, Marco Antônio Sanches Anastácio, Mauro Sérgio Teixeira de Araújo

Bibliographic record

VenueAnais do I Congresso Brasileiro On-line de Pesquisas e Inovação em Educação · 2023
Typearticle
Languagept
FieldComputer Science
TopicSoftware Engineering Techniques and Practices
Canadian institutionsImpact
Fundersnot available
KeywordsCape verdeComputer scienceHumanitiesArtSociology

Abstract

fetched live from OpenAlex

Dentre os objetivos da Educação Ciência, Tecnologia e Sociedade (CTS) destaca-se a utilização pelos alunos de procedimentos sistemáticos de produção do conhecimento científico que permitam a construção de um novo caminho para atividades alinhadas ao educar pela pesquisa, que amplie seus conhecimentos acerca de aspectos da Natureza da Ciência (NdC), posicionando-o como elemento ativo, crítico e consciente do seu papel, capacitando-o para enfrentar os desafios de sua vida.De certo, considerando-se o contexo tecnológico atual é iminente a reflexão sobre um Ensino por Investigação que trate a formação de um indivíduo não apenas mero produtor de dados digitais, proporcionado por cliques e likes nas redes sociais, mas, também, como utilizador ativo de ferramentas que possam proporcionar uma experiência mais relacionada à criação de conteúdos.A cidadania científica faz incorporar o direito a educação cientifica e, assim, divulgar ciência é evidenciar conceitos, procedimentos e impactos da C&T, mostrar sua construção não apenas transmitir informações.Nesse sentido, o objetivo deste trabalho é apresentar designs para representar projetos de pesquisa, afastados do escopo tradicional, preservando-se o seu rigor estrutural, por meio de ferramentas tecnológicas que associem as Tecnologias Digitais de Informação e Comunicação (TDICs) com preceitos da Educação Ciência Tecnologia Sociedade (CTS), sinalizando novos olhares em Ciência e Tecnologia (CT).O estudo decorre de uma disciplina de mestrado e apresenta ao público universitário, aplicações com softwares que permitem captar essas representações visuais enquanto ferramentas representativas de projetos, considerando uma abordagem em ambientes digitais.Espera-se que o trabalho possa contribuir com novos tipos de abordagens que estimulem o uso de diferentes estímulos e novos formatos e abordagens de CT, que favoreçam a construção de um conhecimento coletivo, que pode ter contornos peculiares, próprios e pessoais.

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 imitation

Not 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.

metaresearch head score (Codex)0.011
metaresearch head score (Gemma)0.045
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.011
Threshold uncertainty score0.057

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0110.045
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0030.002
Science and technology studies0.0020.001
Scholarly communication0.0050.004
Open science0.0020.003
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0100.003

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.

Opus teacher head0.127
GPT teacher head0.370
Teacher spread0.243 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreMethods

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractno

Explore more

Same venueAnais do I Congresso Brasileiro On-line de Pesquisas e Inovação em EducaçãoSame topicSoftware Engineering Techniques and PracticesFrench-language works237,207