Educação Sensível às questões de Conflito: conceito e práticas em cenários de conflito e crise aguda
Bibliographic record
Abstract
O direito à educação não é uma realidade para crianças e jovens que vivem em países afetados por conflitos. Nestes países 21,5 milhões de crianças e 15 milhões de adolescentes permanecem fora da escola (UNESCO, 2016a).Apesar desta situação, é importante considerar que se o conflito pode interromper os processos educativos, também é verdade que, em muitos contextos afetados por conflitos, os sistemas educativos foram ou são um alvo direto. Mais ainda, a educação pode contribuir para intensificar o conflito, como, por exemplo, instigando comportamentos e atitudes que contribuem para tensões entre as diferentes partes em conflito.Assim, partindo do princípio de “Não causar dano”, planear e implementar políticas e programas de educação que tenham em conta os fatores que podem despoletar e/ou intensificar o conflito, é fundamental para a construção da paz. Neste sentido, a Rede Interinstitucional para a Educação em Situações de Emergência (INEE, acrónimo em inglês) propõe o conceito de Educação Sensível às questões de Conflito (CSE, acrónimo em inglês). Esta deve ser pensada com base na análise do contexto do conflito e ser organizada, monitorizada e avaliada no sentido de minimizar o conflito. A INEE tem vindo a trabalhar na implementação de CSE, reunindo um conjunto de aprendizagens decorrentes das conquistas e desafios desse processo.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.016 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.007 |
| Insufficient payload (model declined to judge) | 0.013 | 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".