Investigar al batxillerat: la tutorització de treballs de recerca de llengua i literatura catalanes
Bibliographic record
Abstract
L’objectiu d’aquest llibre és contribuir a la formació dels tutors de treballs de recerca de batxillerat que cursen el màster de Formació del Professorat de Secundària Obligatòria i Batxillerat, Formació Professional i Ensenyament d’Idiomes. El primer capítol analitza el context de la tutorització del treball de recerca a l’educació secundària i al batxillerat en l’àmbit de coneixement de la llengua i la literatura catalanes; el segon s’ocupa del procés de recerca i de les dificultats amb què es poden trobar els investigadors novells, i el tercer revisa els factors que intervenen en l’elaboració de l’informe de la investigació. Tanquen el volum dos annexos que contenen informació de gran utilitat: una llista de recursos i una que inclou títols de treballs de recerca, amb l’adreça web dels resums o els treballs sencers que són a internet. Adreçat sobretot als estudiants del màster de formació del professorat de la UB, Investigar al batxillerat tracta qüestions que també són extrapolables a altres àrees d’especialitat.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.012 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".