Bibliographic record
Abstract
Este ensaio procurou evidenciar o quadro de enfrentamento pelo qual passou a escola pública italiana frente ao avanço da COVID-19 nos países europeus. A Itália caracterizou-se como um dos países mais afetados pela COVID-19 e as escolas foram fechadas com pouca orientação do Ministério da Educação, cabendo, inicialmente, aos professores tomar iniciativa para o cumprimento do programa escolar. Posteriormente, houve a intervenção governamental que propôs a Didatica a Distanza (DAD) como forma de Ensino à Distância (EAD), contudo, revelou-se como um método classista e com acesso limitado para as crianças com deficiência. Houve, como reação da sociedade, o surgimento do movimento “Prioridade à Escola” que defendia a escola presencial enquanto o movimento sindical enfatizava o problema da segurança das escolas. Em março de 2021 a escola já se mostrava em nova fase de fechamento, quando assumiu o novo governo de Mario Draghi que, apesar de receber verbas do Fundo de Recuperação europeu, não conseguiu evidenciar progresso no quadro anterior. A COVID-19 destacou na Itália os problemas da escola pública massacrada por 20 anos de reformas neoliberais e corporativas que renderam cortes indiscriminados no seu orçamento. Conclui-se que dificilmente as questões estruturais da escola serão tratadas de maneira diferenciada pelo governo Draghi.
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 | 0.000 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.600 | 0.357 |
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".