A formação do profissional do direito: o desenvolvimento de competências de leitura acadêmica
Bibliographic record
Abstract
O objetivo desta pesquisa é apresentar métodos e técnicas de leitura que possam ser implementados nos cursos de graduação em Direito para aprimorar a competência da leitura e compreensão de textos, de acordo com o que determina a Resolução CES/CNE nº 5, de 17 de dezembro de 2018. O modelo de pesquisa observado é a resolução de problemas, baseando-se a análise no Projeto Político Pedagógico (PPP) dos cursos de Direito de instituições de Ensino Superior. A solução do problema atua em três áreas distintas, mediante possíveis mudanças regulatórias, institucionais e a nível pessoal. A base de análise observou, como critério de amostragem, as instituições agraciadas com o 7º Selo OAB gestão 2019/2022 e com o 8º Selo OAB Recomenda gestão 2022/2025, divulgadas pelo Conselho Federal da Ordem dos Advogados do Brasil no ano de 2022 e 2024. O presente trabalho está dividido em três capítulos. No primeiro capítulo, apresenta-se o diagnóstico e a contextualização do problema, expondo o déficit de formação do graduando em Direito com a exposição das alterações regulatórias, a abordagem institucional do problema e como a competência da leitura é abordada nos PPPs dos cursos de Direito e o déficit individual na formação e os índices de que apresentam a ausência de um nível adequado de leitura. No segundo capítulo, aborda-se o letramento acadêmico e como essa atribuição abrange distintas competências que contribuem para a formação do conhecimento, estando interligado com estratégias de compreensão, discussão, organização e produção de textos. No terceiro capítulo, são apresentadas as possíveis soluções para o enfrentamento do problema com as frentes de abordagem identificadas que podem ser objeto de aplicação, propondo planos de ação a serem observados de acordo com as informações e conhecimentos que podem contribuir para o desenvolvimento de competências da leitura. Por fim, retoma-se a exposição da aplicação propositiva de aprimoramento da competência de leitura acadêmica a ser implementada pelas instituições de ensino, com a idealização de oficina de leitura e escrita acadêmicas para o desenvolvimento destas competências, bem como a inserção de disciplina específica para este fim, mesmo que de forma eletiva.
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 | 0.009 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".