Entrevista com a professora Maximina Freire: 50 anos de docência e pesquisa em Linguística Aplicada
Bibliographic record
Abstract
A professora Maximina M. Freire doutorou-se em Educação pela Universidade de Toronto, Canadá, em 1997. É docente e pesquisadora na Pontifícia Universidade Católica de São Paulo (PUC-SP), onde concluiu seu Mestrado em Linguística Aplicada ao Ensino de Línguas em 1992. Sua produção acadêmica abarca 18 artigos publicados em periódicos e oito livros produzidos e organizados. É líder do Grupo de Pesquisa sobre a Abordagem Hermenêutico-Fenomenológica e Complexidade, a partir do qual orienta inúmeras pesquisas. Até o momento, já orientou 45 dissertações de mestrado e 31 teses de doutorado, além de algumas ainda em andamento. Também já supervisionou cinco estágios de pós-doutorado. É de sua autoria a primeira dissertação de mestrado em CALL (Computer Assisted Language Learning) no Brasil (Freire, 1992), obra considerada um dos marcos históricos de inauguração de uma comunidade científica de pesquisa em CALL, que é possivelmente a área mais transdisciplinar de uma área essencialmente transdisciplinar: a Linguística Aplicada (Leffa, 2006). Em dezembro de 2022, a professora concedeu uma entrevista ao projeto CIDOLT (Ciclo de Debates Online sobre Linguagens e Tecnologias). Na entrevista, realizada via Google Meet, a Prof.ª Maximina relembrou o início de sua atuação docente, há 49 anos. Assim, em 2023, temos a oportunidade de celebrar uma carreira de 50 anos dedicados à educação, à formação de professores de línguas e à área de CALL, razão pela qual compartilhamos esta entrevista com o público.
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 | 0.007 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.011 | 0.003 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 0.004 |
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".