POR UMA EDUCAÇÃO ANTIRRACISTA EM UM CONTEXTO NEOLIBERAL
Bibliographic record
Abstract
O presente artigo busca debater sobre os limites e possibilidades da Lei 10.639/03 nas escolas brasileiras, diante de um cenário de desmontes e de desqualificação das instituições públicas de ensino a partir da lógica neoliberal, e como as obras de narrativas literárias de autores e autoras negras podem auxiliar no debate e na reflexão da questão étnico-racial em sala de aula e em toda a comunidade escolar. Para tal, foi feita uma revisão bibliográfica que nos permitiu analisar como o neoliberalismo se estrutura na sociedade e influencia as relações sociais, bem como textos que se debruçam sobre a Lei 10.639/03 e sobre o uso de literaturas para a sua aplicabilidade. Como referenciais teóricos bases, usamos Antônio Cândido (2011), Edward Said (2011) e Spivak (2010), para argumentar sobre a potencialidade da Literatura. O texto de Pierre Dardot e Christian Laval (2016), foi utilizado como base para pensarmos o neoliberalismo e a sua influência na educação. A partir da análise bibliográfica, portanto, foi possível perceber como a literatura pode servir como um valioso instrumento crítico-reflexivo, buscando uma educação antirracista. Palavras-chave: Lei 10.639/03; Literatura; Educação; Antirracista; Neoliberalismo.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.019 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.015 | 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".