A uberização do trabalho docente : novos dilemas para velhos problemas
Bibliographic record
Abstract
A precarização do trabalho docente é uma recorrência histórica no Brasil, mesmo com as tentativas de resistência, tornou-se cultural. O resultado disso são baixos salários, excesso de aluno em salas de aula, necessidade de multijornadas, redução das horas de planejamento, entre outras. Ao mesmo tempo, as mudanças nas concepções do trabalho sempre ocorreram, mas sofreram alterações relevantes com o neoliberalismo instituído como uma racionalidade vigente. O discurso neoliberal do empresariamento de si subjetiva os trabalhadores a tal ponto de esses abrirem mão (quase que) voluntariamente de direitos importantes conquistados através de muitas lutas. No caso do trabalho docente, a precarização ocorre pelos novos modos de exercer a profissão a partir da articulação do neoliberalismo tecnológico e da flexibilização das leis trabalhistas. Nesse contexto, a uberização é compreendida como uma nova forma de organização do trabalho a partir da expansão tecnológica. Esse movimento denomina-se Economia do Compartilhamento e iniciou nos Estados Unidos com a intenção de resolver grandes problemas do cotidiano com soluções tecnológicas. Essas ideias inovadoras e disruptivas necessitavam de investimento financeiro e, pelo seu potencial de ganho monetário escalável, atraíram grandes investidores que apostaram na criação de plataformas digitais e aplicativos. Essas inovações têm sido utilizadas de forma exponencial, mas destaca-se o potencial de absorção das atividades de prestação de serviços, como aquele da Educação. Assim, esta pesquisa tem por objetivo analisar o processo de uberização do trabalho docente, no Brasil, a partir de uma plataforma digital (online) de contratação direta de professores. A pergunta de pesquisa desta investigação é: como está se dando o processo de uberização do trabalho docente no Brasil? O percurso teórico-metodológico, inspirado em autores como Michel Foucault, Tom Slee, Pierre Dardot, Christian Laval e Evgeny Morozov, foi realizado a partir da análise dos dados a respeito da oferta de trabalho docente em uma plataforma digital chamada Superprof, que teve rápido crescimento nos últimos anos e tem mais de vinte milhões de perfis docentes no mundo. O corpus de análise foi constituído pelas informações disponíveis nos perfis dos docentes que ministram aulas na cidade de Porto Alegre, RS. Foram encontrados 39 perfis de “docentes” cadastrados que atendem os requisitos da pesquisa e todos foram considerados. Como resultado, as condições de possibilidades neoliberais articuladas ao trabalho de plataforma têm produzido neoprofessores que apresentam características como competitividade, adaptabilidade e superação contínua, meritocrática e gamificada. A uberização se dá pela desprofissionalização docente, pela má remuneração e a perda dos direitos trabalhistas, além do funcionamento na lógica de trabalho intermitente (24 horas por dia, sete dias por semana). As contratações de docentes pela plataforma Superprof são uberizadas e ocorrem com a máxima precarização e exploração do trabalho. O aprofundamento da precarização do trabalho, a partir do uso de plataformas digitais, é o novo dilema para o velho problema da precarização histórica da profissão docente, no Brasil.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.018 | 0.024 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| 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".