Comunidades de Aprendizaje: una apuesta por la educación del futuro
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Las comunidades de aprendizaje llevan funcionando en nuestro país desde 1978. La comunidad científica internacional apuesta por estos métodos de enseñanza, porque se ha demostrado que aumentan el rendimiento de los alumnos y mejoran la convivencia en los centros. Es un proyecto donde toda la comunidad participa en la tarea de educar y se fundamenta en el aprendizaje dialógico, donde se valora la opinión de todos los participantes, y donde todos aprenden de todos. \nEn este trabajo conoceremos como funcionan las comunidades de aprendizaje, sus antecedentes y fundamentos, y cómo se han extendido por el país con la ayuda de CREA, Centro de investigación en Teorías y prácticas Superadoras de desigualdades. Después averiguaremos cuales son las fases necesarias para que un centro convencional se transforme en comunidad de aprendizaje, y cómo se implican los familiares y voluntarios en las clases de matemáticas. Mediante una encuesta a una muestra de población española, sabremos cuánta gente conoce o ha oído hablar de las comunidades de aprendizaje. Veremos que hay muy pocas comunidades de aprendizaje en toda la geografía española, y sabremos en cuáles de ellas se puede estudiar Secundaria. Después contactaremos con ellas para conocer algunas cuestiones interesantes sobre estos centros. Con todos los datos obtenidos y lo que hemos aprendido, haremos una propuesta práctica de cómo podrían ser las clases de matemáticas de 4º de la ESO para una comunidad de aprendizaje.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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 it