Avaliação da aprendizagem: A questão dos futuros professores como protagonistas do processo
Bibliographic record
Abstract
O material e a pesquisa aqui explicados foram coletados durante o curso intitulado Didática, ministrado para futuros professores de diferentes áreas do conhecimento em uma universidade privada localizada no Sul do Brasil. Esta é uma unidade obrigatória do currículo e foi construída usando três elementos da pedagogia: aprender, ensinar e avaliar. O estudo centra-se na dimensão da avaliação docente. Parte da própria ansiedade dos alunos de graduação em relação à avaliação, que é utilizada como meio para estudar o progresso da teoria avaliativa. Os alunos foram convidados a formular perguntas sobre avaliação, expressando suas dúvidas, os aspectos que os preocupam relacionados ao assunto e o que consideram essencial para aprender a habilidade de fazer uma boa avaliação. A análise realizada resultou em três categorias finais: Princípios e concepções de avaliação; Administração do processo de avaliação; Avaliação em grupos específicos. A análise discursiva textual é um método apropriado para análise de pesquisas no campo da formação de professores. Referências BERNARDO, G. Educação pelo argumento. Rio de Janeiro: Rocco, 2007. CAMARGO, J.; PORTO, J. S. O efeito tamanho da turma sobre o desempenho escolar: uma avaliação do impacto da “enturmação” no ensino fundamental do Rio Grande do Sul. Porto Alegre: UFRGS, 2014. DENZIN, N. K.; LINCOLN, Y. O planejamento da pesquisa qualitativa. Teorias e abordagens. Porto Alegre: Artmed, 2006. FLICK, U. An introduction to qualitative research. 5. ed. Thousand Oaks: Sage publications, 2014. FINKEL, D.L. Teaching with your mouth shut. Portsmouth, N.H. Boynton/Cook, 2000. GRILLO, M.; FREITAS, A. L. S. Autoavaliação: por que e como realizá-la? In: GRILLO, M.; GESSINGER, R. M. (Orgs.). Por que falar ainda em avaliação? Porto Alegre: Edipucrs, 2010. GADAMER, H. G. Verdad y método: fundamentos de una hermenéutica filosófica. Salamanca: Sígueme, 1984. HADJI, C. Ajudar os alunos a fazer a autoregulação da sua aprendizagem: Porque? Como? Pinhais: Melo, 2016. HADJI, C. Avaliação desmistificada. Porto Alegre: Artmed, 2005. HANUSHEK, E. A. Publicly provided education. In: AUERBACH, A. J.; FELDSTEIN, M. (Ed.). Handbook of public economics. Amsterdam: North-Holland, 2002. JOHNSON D. W. AND JOHNSON R. T., , Learning together and alone: Cooperative, competitive, and individualistic learning. Boston, MA: Allyn and Bacon, 1999. LIMA, V.M.R. Universalidades e singularidades presentes no método de Análise Textual Discursiva. In: LIMA, V.M.R.; RAMOS, M. ; PAULA, M.C. Métodos de análise em pesquisa qualitativa: releituras atuais. Porto Alegre: EDIPUCRS, 2019. LUCKESI, C. C. Avaliação da aprendizagem escolar: estudos e proposições. 22. ed. São Paulo: Cortez, 2011. MITTLER, P. Working towards inclusive education: social contexts. New York: David Fulton, 2012. MORAES, R.; GALIAZZI, M.C. Análise Textual Discursiva. Ijuí: Unijuí, 2007. PÉREZ GÓMEZ, A. I. Educação na era digital: a escola educativa. Porto Alegre: Penso, 2015. SILVA, T. T. A produção social da identidade e da diferença. In: SILVA, T. T. (Org.). Identidade e diferença: a perspectiva dos estudos culturais. 11. ed. Petrópolis: Vozes, 2009. STAKE, R. E. Qualitative Research: studying how things work. New York: Guilford, 2010. TARDIF, J. L’évaluation des compétences: documenter le parcours de développement. Montréal: Chenelière Éducation, 2006. TRIVIÑOS, A. N. S. Introdução à pesquisa em ciências sociais. São Paulo: Atlas, 1987 YIN, R.K. Case study research: design and methods. 5. ed. Thousand Oaks: Sage publications, 2013. OLABUENAGA, J. I. R. Metodologia de investigación cualitativa. Bilbao:Universidad de Deusto, 2007. SOUZA, R S ; GALIAZZI, M. C. Compreensões acerca da hermenêutica na Análise Textual Discursiva. Editora.Ijuí: Unijuí Ano 31 nº 100 Set./Dez. 2016 Ens, R. T., Ribas, M. S., & de Amorim Favoreto, E. D. Discursive Textual Analysis of Brazil’s National Curricular Guidelines for Youth and Adult Education: Meanings and Senses. Creative Education, 7, 1759-1764, 2016. http://dx.doi.org/10.4236/ce.2016.712179.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.003 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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; both teacher heads agree on what is shown here.
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".