A Regionalização do Currículo de Educação Musical no 2º Ciclo do Ensino Básico na Ilha da Madeira
Bibliographic record
Abstract
Este artigo centra-se na Regionalização do Currículo de Educação Musical no 2º Ciclo do Ensino Básico (CEB), na Região Autónoma da Madeira (RAM), documentando o seu processo de concepção e implementação desde o seu começo até aos dias de hoje, e procurando perceber as perspetivas dos seus protagonistas sobre as suas vantagens e desvantagens e os obstáculos à sua implementação, a sua não obrigatoriedade nas escolas, a sua eventual função de afirmação cultural e regional, bem como os seus desafios futuros, considerando-se problemáticas várias relacionadas com este processo de regionalização curricular. Começa-se por problematizar o conceito de currículo, a regionalização curricular e a Educação Musical. Segue-se a parte empírica. Os métodos utilizados são a análise documental de documentos legais, bem como outras fontes de informação relevantes, e a realização e análise de entrevistas a seis dos protagonistas que tiveram diferentes funções na implementação deste projeto na Madeira. O estudo de caso aqui abordado é importante para estimular a reflexão e o debate sobre uma eventual replicação ou alargamento de processos de regionalização curricular análogos a outras regiões ou a todo o país.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".