A infraestrutura escolar e a educação física: o jugo das políticas educacionais de financiamento
Bibliographic record
Abstract
O objetivo da pesquisa foi estudar a influência dos recursos econômicos na infraestrutura escolar utilizada pelo componente curricular Educação Física, em cinco escolas públicas municipais dos anos finais do ensino fundamental, da cidade de Armação dos Búzios-RJ, Brasil. A fundamentação teórica da presente investigação possui como alicerce epistemológico o fenômeno da infraestrutura escolar, que será discutido à luz do materialismo histórico-dialético, tendo como contributo a concepção crítico-superadora da Educação Física. Foi utilizada uma metodologia qualitativa (GIBBS, 2009), no formato de estudo de casos múltiplos (YIN, 2001), com os dados sendo apreciados pela análise de conteúdo (BARDIN, 2011). Como técnica de recolha dos dados foram aplicadas entrevistas semiestruturadas a cinco diretores escolares. A análise de conteúdo nos fez chegar a três categorias: recursos econômicos, procrastinação e investimentos. Os resultados apontam graves distorções e diferentes realidades em relação as políticas de educacionais de financiamento da educação básica das cinco escolas públicas municipais investigadas. Conclui-se que apenas três escolas possuem recursos econômicos oficiais, provenientes de repasses de verbas de programas do governo federal, como o Programa Dinheiro Direto na Escola – PDDE. Por outro lado, outras duas escolas utilizam verbas provenientes de cantina escolar e contam com medidas paliativas e esporádicas da Secretaria Municipal de Educação – SEMED.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".