Análise multimodal de vídeos: contribuições da Teoria da Objetivação para a pesquisa sobre formação de professores que ensinam Matemática
Bibliographic record
Abstract
O texto apresenta e discute as contribuições metodológicas da Teoria da Objetivação (TO) para a análise multimodal de vídeos na pesquisa sobre formação de professores que ensinam matemática. Na primeira parte do texto, com base na teoria histórico-cultural e na Teoria da Objetivação e suas implicações para a pesquisa, o uso do vídeo é apresentado como estratégia metodológica de captura e análise de dados coerente com uma compreensão de aprendizagem como atividade humana coletiva e processo de tomada de consciência dos sujeitos. Na segunda parte, são discutidos exemplos desse tipo de análise em dados de pesquisa desenvolvida pelos autores acerca do desenvolvimento do pensamento algébrico de professores. Conclui-se que a análise multimodal - imagens, registros orais e escritos, gesto etc. - proposta pela TO, na qual diferentes recursos semióticos são analisados como um todo dialético, oferece um caminho para a melhor compreensão dos processos formativos de professores. Ao subsidiar a análise minuciosa dos elementos que impactam a aprendizagem docente evidencia-se o processo de tomada de consciência do significado matemático em jogo o que, por sua vez, supera cada registro analisado de forma independente. A transposição da metodologia da TO para a formação de professores que ensinam matemática é inédita, uma vez que essa teoria tem sido utilizada para compreender a aprendizagem de estudantes em aula. No campo de formação de professores ainda há muito potencial a ser explorado acerca da abordagem metodológica pautada na TO, o que justifica a relevância da proposta de análise de vídeos apresentada nesse texto.
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 | 0.004 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".