Bibliographic record
Abstract
O texto narra a trajetória pessoal e profissional de uma educadora que desde a infância teve contato com o ambiente escolar, aprendendo inicialmente com a mãe, que dava aulas em casa. Sua paixão pela educação se intensificou ao longo do tempo, especialmente ao ingressar no Instituto de Educação Governador Roberto Silveira, onde concluiu o curso Normal e passou em um concurso público. Com dedicação à alfabetização, ela superou desafios de idade e experiência, estabelecendo sua carreira como professora na rede pública. Ao longo dos anos, a autora buscou aprimorar seus conhecimentos, conciliando vida pessoal e profissional com estudos na Universidade do Estado do Rio de Janeiro (UERJ), onde cursou Pedagogia e passou a integrar grupos de pesquisa em educação. Esse engajamento na pesquisa culminou em sua especialização e, posteriormente, no ingresso em um mestrado na Universidade Federal do Estado do Rio de Janeiro (UNIRIO), onde se aprofundou em práticas educativas e formação de professores alfabetizadores, consolidando seu desejo de contribuir para a educação de base. Após concluir o mestrado com louvor, o autor prosseguiu sua jornada acadêmica ao ingresso no doutorado na Universidade Católica de Petrópolis (UCP), enquanto lecionava no Colégio Brigadeiro Newton Braga. A conclusão do doutorado em 2016 marcou mais um ciclo de sua carreira, com o autor se dedicando a novas pesquisas e, posteriormente, ao pós-doutorado na UERJ, consolidando sua contribuição acadêmica e profissional na área da educação.
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 | 0.005 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.006 |
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".