CINEMATOGRAFIA E EDUCAÇÃO: CONTRIBUIÇÕES PARA O DESENVOLVIMENTO DA LEITURA E DA ESCRITA
Bibliographic record
Abstract
Este texto vai explanar as diversas contribuições que as obras cinematográficas podem propiciar para a educação, ferramenta essa que pode ser uma grande aliada dos docentes em sala de aula, visto que os filmes chamam a atenção dos aprendentes, diante da transtextualidade e uso de recursos estéticos que dialogam com outras expressões artísticas, além das refrações histórico-sociais possíveis. Nessa perspectiva, compartilhamos algumas experiências didáticas oriundas do projeto “Cine-CAVN: Recepção crítica da indústria cultural na formação da leitura, da escrita e no letramento midiático”, realizado na UFPB / Campus III. Tal demanda institucional surge da necessidade formativa do sujeito crítico e atuante, utilizando como mediação o cinema, arte integrante da cultura da mídia, que auxilia os participantes na produção de textos, visto que a escrita ainda é um grande desafio para a maioria dos discentes. O objetivo das ações é analisar as obras fílmicas e potencializar nos participantes um olhar problematizador, por meio de textos escritos e/ou audiovisuais, trazendo como impacto social um cidadão emancipado (FREIRE, 1986). Assim como o mundo está em constante transformação, a escola também deve se adequar a algumas necessidades dos alunos, e trazer para a sala de aula ferramentas tecnológicas do seu cotidiano, propiciando, desta forma, novos olhares para os temas sensíveis e componentes curriculares (ocultos ou não), de forma a estimular a(s) habilidades(s) crítica(s) dos aprendentes.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.013 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 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".