Os cursos de licenciatura em matemática ante o impacto dos avanços technológicos : o caso da UNEB
Bibliographic record
Abstract
Cette recherche explore la relation étroite entre la technologie, éducation et l'enseignement des mathématiques. L'objet d'étude est l'utilisation des technologies dans l'éducation des mathématiques dans les cours de formation des enseignants dans les sciences mathématiques offertes par l'Université de l'État du Bahia (UNEB). L'objectif de la recherche était d'identifier aux perspectives des professeurs et des étudiants dans les querelles de référence aux ressources technologiques utilisées dans l?enseignement des mathématiques. D'ailleurs, pour analyser l'impact causé pour le rapport des changements sociaux aux progrès technologiques dans les curriculum des cours focalisés. La approche théorique sur les concepts de l'éducation mathématique (Carvalho (1991), D'Ambrosio (2001), Bicudo (1991), e Dante (1991)); du curriculum (Apple (1983), Giroux (1986), Santos et Moreira (1995) et Silva (1999)); et technologie (Kenski (2003, 2002), Pretto (1986), Lévy (1993), e Lion (1997)) rigoureusement avait été exploré. La méthodologie utilisée est de l'étude de cas, dans l?approche qualitatif de recherche. L'analyse documentaire et l'entrevue avaient été les instruments utilisés pour la collecte et le traitement d'information. Les résultats de la recherche indiquent que les espaces de la querelle sur les technologies dans l'enseignement des mathématiques dans les curriculums de ces cours sont très restreints. Il a la prédominance de la perspective de l'instrumentalité par rapport aux ressources technologiques, ou l'un ou l'autre, les ressources sont vues comme outils seulement auxiliaires dans l'enseigner-étude de processus. Une compréhension critique n'a pas été identifiée, de la part de beaucoup de professeurs, sur les ressources technologiques considérées comme sources de la connaissance {perspective de bas) ou également comme sujet de discussion, vu les implications de son utilisation pour l'éducation (perspective discursive), puisqu'on est au sujet d'un cours de la formation des professeurs. \n \nMots-clés: l'éducation des mathématiques - curriculum - technologies \n
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".