Impactos da Pandemia de COVID-19 no TJR TORNEIO JUVENIL DE ROBÓTICA
Bibliographic record
Abstract
Nesta pesquisa, apresentam-se as conclusões sobre os impactos decorrentes da pandemia da COVID-19 no TJR Torneio Juvenil de Robótica e o seu entorno educacional composto por escolas, professores e equipes de alunos participantes, do início do ano de 2020 ao final do ano de 2022.No período assinalado, foram cadastrados, por essas equipes, 775 projetos de protótipos de robôs brasileiros e estrangeiros, com a participação de 2527 alunos e 149 professores.O objetivo desta pesquisa foi investigar as características dos impactos sistêmicos da pandemia sobre a estrutura da organização; perfil dos participantes; preparação dos alunos e suas equipes; fomento, apoio e patrocínio oferecidos à organização e às equipes.Os dados foram coletados de banco de dados cadastrais e das fichas de desempenho de robôs da plataforma RoboLeague, de entrevistas com os organizadores das competições realizadas no período e questionários destinados a recolher respostas dos professores responsáveis pelas equipes de alunos participantes.Norteou-se a investigação pela metodologia qualiquantitativa, empregando-se o método misto convergente paralelo, combinando e comparando os resultados quantitativos aos qualitativos.Os dados quantitativos foram coletados do banco de cadastros e das respostas de professores às questões objetivas e tratados a partir de estatística descritiva.Os dados qualitativos foram obtidos a partir de entrevistas e das respostas dos professores às questões abertas e tratados por meio de análise de conteúdo.A partir desta investigação, concluiu-se que: 1) Com o uso de plataforma online, foi possível monitorar o desempenho de protótipos e a participação de equipes localizadas em locais remotos e sem recursos econômicos; 2) Em função da pandemia, houve uma redução do número de equipes participantes e, frente à totalidade de participantes, um aumento do número de participantes de maior faixa etária orientados por professores com pós-graduação e experiência prévia em competições de robótica; 3) As dificuldades enfrentadas pelas equipes participantes foram a falta de recursos necessários, a instabilidade das condições oferecidas pelas escolas para as atividades de Robótica Educacional, a redução de fomento, a saída de alguns de seus membros e a inaptidão de professores e alunos para estabelecer e fazer realizar os marcos dos projetos.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| 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".