Jogos na educação matemática : ferramentas na condução das condutas dos sujeitos neoliberais
Bibliographic record
Abstract
A presente investigação teve por objetivo geral examinar as formas de ser docente mobilizadas pela gramática da sedução presente no uso de jogos nas aulas de Matemática. Alinhadas a esse objetivo, foram construídas três questões: 1) Na literatura contemporânea da área da Educação, quais são as enunciações mais recorrentes sobre jogos? 2) Quais as aproximações entre os jogos e a racionalidade neoliberal? 3) Que regras presentes na gramática da sedução são mobilizadas pelo trabalho com jogos nas aulas de Matemática? As bases teóricas que sustentaram a pesquisa envolvem as teorizações de Michel Foucault, Gilles Lipovetsky, Maurizio Lazzarato, Christian Laval e Byung-Chul Han. A metodologia foi conformada pela análise discursiva de inspiração foucaultiana. O material empírico compreendeu 24 artigos científicos ou resumos expandidos completos de domínio público, disponíveis nos anais eletrônicos das reuniões nacionais da Associação Nacional de Pós-Graduação e Pesquisa em Educação (ANPEd), entre os anos de 2000 e 2021, nas modalidades trabalho ou pôster, no GT 19 – Educação Matemática. A partir dessa empiria, foi possível mostrar a existência de uma gramática da sedução, um conjunto de táticas de condução das condutas operacionalizadas no meio educacional por meio de práticas como o uso de jogos na matemática. Verificou-se que, impulsionados pelos desejos de aprender e de ensinar das formas de vida escolares, os jogos fazem parte de um ciclo virtuoso de positividade, no qual se produzem sujeitos motivados, criativos e inovadores. Ademais, apresentou-se o aspecto comunicacional e informacional da educação, evidenciando-se a relevância do trabalho colaborativo e o posicionamento do professor como um gestor de informações. Com isso, foi possível sustentar a tese de que o jogo na educação matemática tem funcionado como uma ferramenta para a constituição de determinados tipos de sujeitos, alinhados às premissas neoliberais, imersas nas demandas de inovação, eficiência, cognição e criatividade, próprias de uma sociedade e de um tempo em que o progresso tecnológico parece imperar.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".