Mathematics textbooks in Brazil and Canada: an approach in geometric construction in the final years of elementary school
Bibliographic record
Abstract
A dissertação discute a abordagem de conceitos de construção geométrica nos livros didáticos dos anos finais do ensino fundamental do Brasil e Canadá. Para isso, pesquisamos o papel da construção geométrica na educação, da utilização dos livros didáticos e a relevância da análise comparativa na área. As fontes utilizadas foram os documentos oficiais: orientações curriculares brasileiras (PCN) e canadenses (the Ontario Curriculum); quatro coleções de livros: Projeto Teláris, Matemática na Medida Certa, Nelson Mathematics e Math Makes Sense; guia do livro didático (Brasil e Canadá). Usando a análise documental como modalidade de pesquisa, buscamos responder à pergunta: como os saberes relacionados ao desenho geométrico são representados em cada coleção e quais as principais diferenças e semelhanças entre os livros didáticos brasileiros e canadenses? Concluímos que algumas obras se destacam, como Projeto Teláris e Math Makes Sense, pois se aproximam das orientações de seus respectivos currículos. Encontramos, também, poucas construções comuns a todas as obras, apenas circunferência e triângulo, e que o conteúdo de construção geométrica por muitas vezes encontra-se incompleto nas coleções.
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 | 0.002 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.014 | 0.031 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".