Ensinando estratégia empresarial usando jogos sérios na graduação: estado atual e potencialidades futuras
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Objetivo: Esta pesquisa buscou entender o gap entre o potencial estabelecido dos jogos tecnológicos no ensino de graduação e o estado atual da utilização deles na disciplina de estratégia.Método/abordagem: Com esse propósito, 47 ementas de estratégia disponibilizadas em sites de universidades federais brasileiras foram analisadas, mediante algoritmo Python, verificando os tópicos mais estudados e a presença de palavras-chave relacionadas a jogos. Na sequência, realizou-se entrevistas com oito professores universitários de estratégia.Contribuições teóricas/práticas/sociais: Os entrevistados conheciam os jogos sérios e destacaram a habilidade deles em integrar áreas de ensino, engajar e desenvolver o trabalho em equipe e capacidades analíticas. Apesar disso, o uso dos jogos pelos docentes ocorreu informalmente e sem relação direta com os tópicos de estratégia. Conclui-se que apesar do reconhecimento do potencial prático e lúdico dos jogos, o seu uso é pouco realizado nas universidades, ocorrendo de maneira complementar, não estruturada, ou sem integração com as ementas de estratégia.Originalidade/relevância: A temática é relevante por trazer um melhor entendimento sobre os jogos sérios e sua aplicação no ensino de graduação das universidades brasileiras.
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.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.005 |
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 it