Writing, argumentation and the Enem: the teaching of writing on the Youtube platform
Bibliographic record
Abstract
Esta tese ancora-se nos postulados téorico-metodológicos da Análise de Discurso francesa, construída por Michel Pêcheux, na década de 1960, e, propagada no Brasil, no início dos anos 1980, por Eni Orlandi. Além disso, este trabalho dialoga com teóricos de outras áreas científicas, principalmente, a educação. O objetivo central é analisar como a redação do Enem, isto é, a escrita-argumentativa, é discursivizada no digital, em que o digital é uma instância material, observando-se os efeitos de sentido que os discursos dos sujeitos-internautas podem provocar na constituição imaginária da profissionalidade docente contemporânea e o que venha a ser ler, escrever, argumentar e ocupar a posição discursiva de autor, com base no que circula sobre \"ensino\" de redação, no Youtube. Para isso, selecionou-se o corpus, a partir de três canais do Youtube, a saber: Débora Aladim, Poxa Lulu e Luma e Ponto. Os canais foram selecionados com base no número expressivo de seguidores e visualizações que os conteúdos tiveram, o que mostra a sua sumidade na dinâmica digital dos algorítimos, isto é, todo sujeito-internauta que busca por conteúdos sobre o Enem, na plataforma, de algum modo, possivelmente, cairá em algum destes canais. Os vídeos foram transcritos e as análises foram feitas com base na ideia de recorte, compreendido como \"nacos do discurso\" (PACÍFICO, 2002), onde estão materializados linguisticamente os indícios de um modo de funcionamento discursivo, em que o recorte deve remeter à ideia de polissemia e não informação (ORLANDI, 1996), visto que o recorte mantém uma relação com a constituição histórica do sentido do texto. As análises apontam que o sujeito-youtuber trabalha a questão da escrita-argumentativa, em especial a redação do Enem, em um viés da informação que está para a capacitação (ORLANDI, 2017), sustentado no discurso do \"segredo/fórmula\" da redação nota mil e da \"pedagogia das competências\", que estão inseridas na ideologia neoliberal (LAVAL, 2019), em que a escrita passa a ser mercadoria. Neste cenário, o direito à argumentação (PACÍFICO, 2016) e à assunção à posição de autor é negado, em detrimento de um conceito de autoria, divulgado pelo sujeito-youtuber que só leva em consideração a dimensão gramatical e linguística do texto, de maneira bastante superficial, desconsiderando a dimensão discursiva (o sujeito, as condições de produção, a história dos sentidos, a ideologia) da argumentação e da autoria.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".