CAMINHOS À PESQUISA: UMA REVISÃO DE LITERATURA SOBRE A REFORMA DO ENSINO MÉDIO, LEI 13.415/2017
Bibliographic record
Abstract
Este artigo apresenta dados e reflexões sobre a reforma do ensino médio, com base em uma revisão sistemática de literatura realizada entre setembro de 2021 e janeiro de 2022. O objetivo foi buscar as possíveis lacunas deixadas pelos artigos científicos selecionados, com o intuito de compreender quais caminhos de pesquisa são possíveis diante da reforma do ensino médio. Trata-se de uma investigação qualitativa, do tipo documental, baseada em revistas do banco de dados do Sistema Qualis da CAPES (quadriênio 2013–2016, última avaliação disponível à época desta investigação), na área de avaliação em educação. Foram analisados periódicos A1 cujos bancos de dados estavam em Universidades Federais e Estaduais, no período de 2017 a 2021, utilizando os descritores “reforma do ensino médio” e “novo ensino médio”. Constatamos uma grande produção de trabalhos relacionados à Lei 13.415/2017, que evidencia uma multiplicidade de caminhos e temas de investigação, abrangendo o Brasil de Norte a Sul. Esses estudos destacam a preocupação dos pesquisadores com a diversidade cultural, as diversas juventudes, a escassez e precariedade das escolas públicas, e as negligências e desvalorizações da profissão docente, servindo como base teórica para muitos outros estudos em andamento.
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 | 0.016 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.012 |
| Science and technology studies | 0.006 | 0.013 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 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".