As imagens dos manuais escolares: representações mentais de professores e alunos relativamente à presença de imagens nos manuais escolares e à sua eficácia pedagógica

Sendo o manual escolar o recurso pedagógico mais utilizado por alunos e professores foi realizada uma investigação tendo por objectivo avaliar qualitativamente a forma comunicacional de um conjunto de manuais escolares do 2º ciclo do ensino básico1. A importância atribuída atualmente à imagem é patente nos manuais escolares, sob pretexto de se tornarem mais apelativos e mais eficazes. Tal como em outras áreas em que a quantidade de imagens acaba por se transformar em poluição visual porque o ser humano não tem capacidade para reagir, simultaneamente, a um demasiado número de estímulos, nas estratégias comunicacionais dos manuais escolares este problema deve ser acautelado porque delas depende a sua qualidade pedagógica. As investigações não comprovam que exista uma relação direta entre a presença de ilustrações num texto e o aumento da sua compreensão. Pelo contrário, há estudos que sugerem que muitas ilustrações falham como potenciadoras da aprendizagem. Neste sentido, da investigação referida, consta uma análise ao rácio imagem/texto e uma auscultação a dois grupos de amostra - professores e alunos – sobre alguns aspectos gerais relativos à presença e eficácia pedagógica das ilustrações dos manuais escolares. Destacamos que, no caso dos alunos, apesar do seu nível de literacia ter constituído um obstáculo ao tratamento das questões, optámos por apresentar as suas respostas.

Contributos das atividades práticas de estudo do meio para o aumento da motivação e da aprendizagem conceptual no 2º ano de escolaridade

Relatório de Estágio apresentado à Escola Superior de Educação de Lisboa para obtenção de grau de mestre em Ensino do 1º e 2º Ciclo do Ensino Básico

A multiplicação e a divisão de números naturais: uma análise de manuais escolares de 1.º ciclo

Dissertação apresentada à Escola Superior de Educação de Lisboa para obtenção de grau de mestre em Educação Matemática na Educação Pré-escolar e nos 1.º e 2.º ciclos do Ensino Básico

Text classification using compression-based dissimilarity measures

Arguably, the most difficult task in text classification is to choose an appropriate set of features that allows machine learning algorithms to provide accurate classification. Most state-of-the-art techniques for this task involve careful feature engineering and a pre-processing stage, which may be too expensive in the emerging context of massive collections of electronic texts. In this paper, we propose efficient methods for text classification based on information-theoretic dissimilarity measures, which are used to define dissimilarity-based representations. These methods dispense with any feature design or engineering, by mapping texts into a feature space using universal dissimilarity measures; in this space, classical classifiers (e.g. nearest neighbor or support vector machines) can then be used. The reported experimental evaluation of the proposed methods, on sentiment polarity analysis and authorship attribution problems, reveals that it approximates, sometimes even outperforms previous state-of-the-art techniques, despite being much simpler, in the sense that they do not require any text pre-processing or feature engineering.

An unsupervised approach to feature discretization and selection

Many learning problems require handling high dimensional datasets with a relatively small number of instances. Learning algorithms are thus confronted with the curse of dimensionality, and need to address it in order to be effective. Examples of these types of data include the bag-of-words representation in text classification problems and gene expression data for tumor detection/classification. Usually, among the high number of features characterizing the instances, many may be irrelevant (or even detrimental) for the learning tasks. It is thus clear that there is a need for adequate techniques for feature representation, reduction, and selection, to improve both the classification accuracy and the memory requirements. In this paper, we propose combined unsupervised feature discretization and feature selection techniques, suitable for medium and high-dimensional datasets. The experimental results on several standard datasets, with both sparse and dense features, show the efficiency of the proposed techniques as well as improvements over previous related techniques.

Conceções alternativas de alunos do 2.º ano de escolaridade sobre a reprodução humana

Relatório de Estágio apresentado à Escola Superior de Educação de Lisboa para obtenção de grau de mestre em Ensino do 1.º e 2.º ciclo do Ensino Básico

A importância da seleção de informação e da tomada de notas na produção de textos expositivos

Relatório Final apresentado à Escola Superior de Educação de Lisboa para obtenção de grau de mestre em Ensino do 1.º e do 2.º Ciclo do Ensino Básico

Motivação para a leitura no 1.º ciclo do ensino básico: caderno de leitura

Relatório Final apresentado à Escola Superior de Educação de Lisboa para a obtenção de grau mestre em Ensino do 1.º e do 2.º Ciclo do Ensino Básico