IMPACTOS DA SEMANA NACIONAL DE CIÊNCIA E TECNOLOGIA E POPULARIZAÇÃO DA CIÊNCIA NA ELEVAÇÃO DA PROFICIÊNCIA DOS ESTUDANTES
Bibliographic record
Abstract
RESUMO O projeto propõe investigar como a Semana Nacional de Ciência e Tecnologia pode ajudar a ampliar a proficiência dos estudantes em componentes curriculares da base comum.Para isso, será realizada uma pesquisa com o objetivo de identificar as ações e atividades desenvolvidas durante a Semana Nacional de Ciência e Tecnologia e verificar se elas contribuem para o desenvolvimento dos componentes curriculares da base comum.A pesquisa foi realizada por meio de uma revisão bibliográfica e análise de documentos, como relatórios e materiais produzidos pela organização responsável pela Semana Nacional de Ciência e Tecnologia.Além disso, será realizada uma enquete entre estudantes e professores para avaliar a percepção sobre a contribuição da Semana Nacional de Ciência e Tecnologia para o desenvolvimento dos componentes curriculares da base comum.Os resultados esperados do projeto são a identificação de ações e atividades que contribuem para o desenvolvimento dos componentes curriculares da base comum e a avaliação da percepção dos estudantes e professores sobre a contribuição da Semana Nacional de Ciência e Tecnologia para o desenvolvimento desses componentes.O projeto tem o potencial de contribuir para a ampliação da proficiência dos estudantes em componentes curriculares da base comum, além de contribuir para a valorização da Semana Nacional de Ciência e Tecnologia como uma ferramenta importante para o desenvolvimento dos estudantes.
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 | 0.018 | 0.065 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".