A IMPORTÂNCIA DE CONTAR HISTÓRIAS NA EDUCAÇÃO INFANTIL
Bibliographic record
Abstract
A história como recurso educacional pode ser uma ferramenta muito útil para trabalhar várias áreas e conteúdo. É muito comum o professor pedir a seus alunos que escrevam histórias baseadas em suas experiências pessoais, sobre o que eles mais gostam, sobre qual seria sua excursão preferida. Mas, neste caso, iremos um pouco mais além e abordaremos a questão de como usar a história para aprender ciências naturais. O objetivo geral desta pesquisa é analisar a importância da contação de histórias na educação infantil. A contação de histórias, a leitura, se constituem em atividades capazes de incentivar, estimular e motivar aprendizagens intelectuais bem como em seu crescimento sócio moral. O método da contação de história para crianças na primeira infância é de fundamental importância, pois elas aprendem a ler e escrever na primeira série. Meninos e meninas desde sua concepção ouvem narrativas de acontecimentos cotidianos de nossas vidas, portanto, pode-se dizer que eles estão familiarizados com as estruturas narrativas; como conhecemos informações de outras épocas, temos estado em contacto com acontecimentos ocorridos, reais ou fictícios. A alfabetização inicial, a narração de histórias, os primórdios das práticas de leitura, não só promovem o acesso ao conteúdo da cultura, do conhecimento, dos valores, mas também acionam importantes mecanismos relacionados ao desenvolvimento cognitivo, linguístico e criativo das crianças.
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 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.006 | 0.008 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".