A música e a escrita criativa baseada em temas de textos sugeridos no plano nacional de leitura
Bibliographic record
Abstract
O presente relatório surge no âmbito da unidade curricular de prática de ensino supervisionada inserida no ciclo de estudos do mestrado em ensino do 1.º e 2.º ciclos do ensino básico. Este relatório inclui um estudo de investigação educacional. O estudo versa sobre a música como potenciadora do desenvolvimento da escrita criativa. Para esta atividade, foi proposto explorar o papel da música no processo da escrita criativa a partir de textos do plano nacional de leitura (PNL) que são estudados em sala de aula. Neste caso foi escolhida a obra Ulisses de Maria Alberta Menéres. A escrita criativa é referida frequentemente nalguns documentos oficiais, mas isso não encontra eco na sala de aula. Face a este problema, decidiu-se incluir a música na disciplina de Português no sentido de estimular a imaginação dos alunos na prática da escrita criativa. Para determinar a importância da música nesse processo de escrita, duas atividades foram implementadas utilizando variadas estratégias próprias das regras de escrita criativa. Apenas uma delas (atividade B) envolve o recurso à música. Foi assim possível estabelecer uma comparação de resultados entre ambas as atividades. Verificou-se que, em comparação com a atividade A, na atividade B houve uma melhoria dos produtos. Porém devido principalmente ao limitado número de elementos da amostra, os resultados não permitem qualquer extrapolação. Assim, a questão proposta fica ainda em aberto.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.017 | 0.004 |
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".