Formação permanente de qualidade aos professores alfabetizadores
Tesis Materias > Educación Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster Cerrado Portugués Ao longo dos anos o conceito de Educação atribuía seu sinônimo ao de centralidade em relação à pedagogia e ao objeto de políticas sociais, ou seja, como direito humano básico, responsabilizando o Estado pela garantia das condições de igualdade de oportunidades. A necessidade de descentralizar este conceito assume um protagonismo que reafirmam concepções democráticas defendidas por educadores. No perpassar do tempo as mudanças na área educacional foram diversas. Este trabalho visa em apresentar uma proposta de formação permanente como um dos recursos pedagógicos diante de tantos outros que existem e que os docentes podem utilizar como estratégia na etapa da alfabetização inicial, compreendendo a importância dos estudos em grupo. Deste modo, compreende- se que é necessário identificar novas formas de organizar os currículos, especificar mudanças, permitindo a transformação de paradigmas, torner-se palpáveis práticas pedagógicas que fortaleçam a iniciativa a novos conhecimentos, bem como abranger a alfabetização como parte importante da vida do sujeito. A natureza desta pesquisa segue um modelo teórico-metodológico qualitativo descritivo onde de baseou em estudos de autores clásicos sobre o tema para obter informações mais aprofundadas sobre o assunto. Aproveitando a temática, optou-se em utilizar momentos de um modelo reflexivo sobre as práticas de alfabetização em uma rede de ensino. Nesta perspectiva procuramos aprofundar o tema já explorados por teóricos no assunto. Colocamos este profissional como um dos carros chefes de uma Instituição educacional. Ele tem autonomia para estar junto do docente em todas as situações, complementando seu planejamento, orientando sua devolutivas aos pais, alunos e quem mais for necessário. O orientador pedagógico proporciona solidez, calma e segurança ao docente, procura investigar e ouvir antes de realizar ou sugerir uma ação. Fazendo referência ao objeto do presente estudo, pretendeu- se trabalhar em cima de problemas relacionados à visão fechada do mundo da alfabetização, criticando atitudes onde os próprios professores acabam limitando a apredizagem do aluno. Partindo deste pressuposto, discutir a formação do professor é analisar os contextos históricos, bem como as formas de qualificar o ensino-aprendizagem dos profissionais de uma forma permanente, pois entendendemos que ela contribui aos docentes alfabetizadores que neste trabalho é a questão pesquisada, melhorias no contexto de suas práticas, desenvolvendo um conhecimento mais amplo e proporcionando uma alfabetização de qualidade. No sentido de levantar a questão de alfabetizar conclui-se os modelos variados que a sociedade junto às inovações tecnológicas impõe que o processo de aprendizagem deve ser aplicável em qualquer realidade do país. Práticas como estágios em alfabetização desde o início da graduação, estudos e convívios com diferentes formas de alfabetização, uma formação ética do professor como pessoa e como leitor/escritor, qualificação formal de alfabetizador com ênfase na dimensão social, bem como aprofundamento de estudos e pesquisas relacionadas ao tema podem auxiliar na formação de currículos escolares e até mesmo em currículos da graduação em Pedagogia. Esse trabalho revela a potência da concepção problematizadora para processos de educação permanente e atesta sua eficácia na alfabetização, apresentando-a como uma das propostas pedagógicas pertinentes para melhorar a qualidade do ensino e desenvolvimento dos cidadãos brasileiros. metadata Schmitt Bonato, Albertina Aparecida mail schmittb48@gmail.com (2022) Formação permanente de qualidade aos professores alfabetizadores. Masters thesis, SIN ESPECIFICAR.
Texto completo no disponible.Resumen
Ao longo dos anos o conceito de Educação atribuía seu sinônimo ao de centralidade em relação à pedagogia e ao objeto de políticas sociais, ou seja, como direito humano básico, responsabilizando o Estado pela garantia das condições de igualdade de oportunidades. A necessidade de descentralizar este conceito assume um protagonismo que reafirmam concepções democráticas defendidas por educadores. No perpassar do tempo as mudanças na área educacional foram diversas. Este trabalho visa em apresentar uma proposta de formação permanente como um dos recursos pedagógicos diante de tantos outros que existem e que os docentes podem utilizar como estratégia na etapa da alfabetização inicial, compreendendo a importância dos estudos em grupo. Deste modo, compreende- se que é necessário identificar novas formas de organizar os currículos, especificar mudanças, permitindo a transformação de paradigmas, torner-se palpáveis práticas pedagógicas que fortaleçam a iniciativa a novos conhecimentos, bem como abranger a alfabetização como parte importante da vida do sujeito. A natureza desta pesquisa segue um modelo teórico-metodológico qualitativo descritivo onde de baseou em estudos de autores clásicos sobre o tema para obter informações mais aprofundadas sobre o assunto. Aproveitando a temática, optou-se em utilizar momentos de um modelo reflexivo sobre as práticas de alfabetização em uma rede de ensino. Nesta perspectiva procuramos aprofundar o tema já explorados por teóricos no assunto. Colocamos este profissional como um dos carros chefes de uma Instituição educacional. Ele tem autonomia para estar junto do docente em todas as situações, complementando seu planejamento, orientando sua devolutivas aos pais, alunos e quem mais for necessário. O orientador pedagógico proporciona solidez, calma e segurança ao docente, procura investigar e ouvir antes de realizar ou sugerir uma ação. Fazendo referência ao objeto do presente estudo, pretendeu- se trabalhar em cima de problemas relacionados à visão fechada do mundo da alfabetização, criticando atitudes onde os próprios professores acabam limitando a apredizagem do aluno. Partindo deste pressuposto, discutir a formação do professor é analisar os contextos históricos, bem como as formas de qualificar o ensino-aprendizagem dos profissionais de uma forma permanente, pois entendendemos que ela contribui aos docentes alfabetizadores que neste trabalho é a questão pesquisada, melhorias no contexto de suas práticas, desenvolvendo um conhecimento mais amplo e proporcionando uma alfabetização de qualidade. No sentido de levantar a questão de alfabetizar conclui-se os modelos variados que a sociedade junto às inovações tecnológicas impõe que o processo de aprendizagem deve ser aplicável em qualquer realidade do país. Práticas como estágios em alfabetização desde o início da graduação, estudos e convívios com diferentes formas de alfabetização, uma formação ética do professor como pessoa e como leitor/escritor, qualificação formal de alfabetizador com ênfase na dimensão social, bem como aprofundamento de estudos e pesquisas relacionadas ao tema podem auxiliar na formação de currículos escolares e até mesmo em currículos da graduação em Pedagogia. Esse trabalho revela a potência da concepção problematizadora para processos de educação permanente e atesta sua eficácia na alfabetização, apresentando-a como uma das propostas pedagógicas pertinentes para melhorar a qualidade do ensino e desenvolvimento dos cidadãos brasileiros.
| Tipo de Documento: | Tesis (Masters) |
|---|---|
| Palabras Clave: | Formação permanente, ação docente alfabetizadora, desafios da docência |
| Clasificación temática: | Materias > Educación |
| Divisiones: | Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster |
| Depositado: | 30 Nov 2023 23:30 |
| Ultima Modificación: | 30 Nov 2023 23:30 |
| URI: | https://repositorio.unini.edu.mx/id/eprint/1138 |
Acciones (logins necesarios)
 |
Ver Objeto |
<a href="/26722/1/nutrients-18-00257.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Background/Objectives: The growing integration of Artificial Intelligence (AI) and chatbots in health professional education offers innovative methods to enhance learning and clinical preparedness. This study aimed to evaluate the educational impact and perceptions in university students of Human Nutrition and Dietetics, regarding the utility, usability, and design of the E+DIEting_Lab chatbot platform when implemented in clinical nutrition training. Methods: The platform was piloted from December 2023 to April 2025 involving 475 students from multiple European universities. While all 475 students completed the initial survey, 305 finished the follow-up evaluation, representing a 36% attrition rate. Participants completed surveys before and after interacting with the chatbots, assessing prior experience, knowledge, skills, and attitudes. Data were analyzed using descriptive statistics and independent samples t-tests to compare pre- and post-intervention perceptions. Results: A total of 475 university students completed the initial survey and 305 the final evaluation. Most university students were females (75.4%), with representation from six languages and diverse institutions. Students reported clear perceived learning gains: 79.7% reported updated practical skills in clinical dietetics and communication were updated, 90% felt that new digital tools improved classroom practice, and 73.9% reported enhanced interpersonal skills. Self-rated competence in using chatbots as learning tools increased significantly, with mean knowledge scores rising from 2.32 to 2.66 and skills from 2.39 to 2.79 on a 0–5 Likert scale (p < 0.001 for both). Perceived effectiveness and usefulness of chatbots as self-learning tools remained positive but showed a small decline after use (effectiveness from 3.63 to 3.42; usefulness from 3.63 to 3.45), suggesting that hands-on experience refined, but did not diminish, students’ overall favorable views of the platform. Conclusions: The implementation and pilot evaluation of the E+DIEting_Lab self-learning virtual patient chatbot platform demonstrate that structured digital simulation tools can significantly improve perceived clinical nutrition competences. These findings support chatbot adoption in dietetics curricula and inform future digital education innovations.
Iñaki Elío Pascual mail inaki.elio@uneatlantico.es, Kilian Tutusaus mail kilian.tutusaus@uneatlantico.es, Imanol Eguren García mail imanol.eguren@uneatlantico.es, Álvaro Lasarte García mail , Arturo Ortega-Mansilla mail arturo.ortega@uneatlantico.es, Thomas Prola mail thomas.prola@uneatlantico.es, Sandra Sumalla Cano mail sandra.sumalla@uneatlantico.es,
Elío Pascual
<a class="ep_document_link" href="/26964/1/s44196-025-01123-9_reference.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Suicide Ideation Detection Using Social Media Data and Ensemble Machine Learning Model
Identifying the emotional state of individuals has useful applications, particularly to reduce the risk of suicide. Users’ thoughts on social media platforms can be used to find cues on the emotional state of individuals. Clinical approaches to suicide ideation detection primarily rely on evaluation by psychologists, medical experts, etc., which is time-consuming and requires medical expertise. Machine learning approaches have shown potential in automating suicide detection. In this regard, this study presents a soft voting ensemble model (SVEM) by leveraging random forest, logistic regression, and stochastic gradient descent classifiers using soft voting. In addition, for the robust training of SVEM, a hybrid feature engineering approach is proposed that combines term frequency-inverse document frequency and the bag of words. For experimental evaluation, “Suicide Watch” and “Depression” subreddits on the Reddit platform are used. Results indicate that the proposed SVEM model achieves an accuracy of 94%, better than existing approaches. The model also shows robust performance concerning precision, recall, and F1, each with a 0.93 score. ERT and deep learning models are also used, and performance comparison with these models indicates better performance of the SVEM model. Gated recurrent unit, long short-term memory, and recurrent neural network have an accuracy of 92% while the convolutional neural network obtains an accuracy of 91%. SVEM’s computational complexity is also low compared to deep learning models. Further, this study highlights the importance of explainability in healthcare applications such as suicidal ideation detection, where the use of LIME provides valuable insights into the contribution of different features. In addition, k-fold cross-validation further validates the performance of the proposed approach.
Erol KINA mail , Jin-Ghoo Choi mail , Abid Ishaq mail , Rahman Shafique mail , Mónica Gracia Villar mail monica.gracia@uneatlantico.es, Eduardo René Silva Alvarado mail eduardo.silva@funiber.org, Isabel de la Torre Diez mail , Imran Ashraf mail ,
KINA
<a href="/26965/1/s40203-025-00539-7.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Human metapneumovirus (hMPV) is one of the potential pandemic pathogens, and it is a concern for elderly subjects and immunocompromised patients. There is no vaccine or specific antiviral available for hMPV. We conducted an in-silico study to predict initial antiviral candidates against human metapneumovirus. Our methodology included protein modeling, stability assessment, molecular docking, molecular simulation, analysis of non-covalent interactions, bioavailability, carcinogenicity, and pharmacokinetic profiling. We pinpointed four plant-derived bio-compounds as antiviral candidates. Among the compounds, apigenin showed the highest binding affinity, with values of − 8.0 kcal/mol for the hMPV-F protein and − 7.6 kcal/mol for the hMPV-N protein. Molecular dynamic simulations and further analyses confirmed that the protein-ligand docked complexes exhibited acceptable stability compared to two standard antiviral drugs. Additionally, these four compounds yielded satisfactory outcomes in bioavailability, drug-likeness, and ADME-Tox (absorption, distribution, metabolism, excretion, and toxicity) and STopTox analyses. This study highlights the potential of apigenin and xanthoangelol E as an initial antiviral candidate, underscoring the necessity for wet-lab evaluation, preclinical and clinical trials against human metapneumovirus infection.
Hasan Huzayfa Rahaman mail , Afsana Khan mail , Nadim Sharif mail , Wasifuddin Ahmed mail , Nazmul Sharif mail , Rista Majumder mail , Silvia Aparicio Obregón mail silvia.aparicio@uneatlantico.es, Rubén Calderón Iglesias mail ruben.calderon@uneatlantico.es, Isabel De la Torre Díez mail , Shuvra Kanti Dey mail ,
Rahaman
<a class="ep_document_link" href="/27153/1/fpls-16-1720471.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Introduction: Jackfruit cultivation is highly affected by leaf diseases that reduce yield, fruit quality, and farmer income. Early diagnosis remains challenging due to the limitations of manual inspection and the lack of automated and scalable disease detection systems. Existing deep-learning approaches often suffer from limited generalization and high computational cost, restricting real-time field deployment. Methods: This study proposes CNNAttLSTM, a hybrid deep-learning architecture integrating Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM) units, and an attention mechanism for multi-class classification of algal leaf spot, black spot, and healthy jackfruit leaves. Each image is divided into ordered 56×56 spatial patches, treated as pseudo-temporal sequences to enable the LSTM to capture contextual dependencies across different leaf regions. Spatial features are extracted via Conv2D, MaxPooling, and GlobalAveragePooling layers; temporal modeling is performed by LSTM units; and an attention mechanism assigns adaptive weights to emphasize disease-relevant regions. Experiments were conducted on a publicly available Kaggle dataset comprising 38,019 images, using predefined training, validation, and testing splits. Results: The proposed CNNAttLSTM model achieved 99% classification accuracy, outperforming the baseline CNN (86%) and CNN–LSTM (98%) models. It required only 3.7 million parameters, trained in 45 minutes on an NVIDIA Tesla T4 GPU, and achieved an inference time of 22 milliseconds per image, demonstrating high computational efficiency. The patch-based pseudo-temporal approach improved spatial–temporal feature representation, enabling the model to distinguish subtle differences between visually similar disease classes. Discussion: Results show that combining spatial feature extraction with temporal modeling and attention significantly enhances robustness and classification performance in plant disease detection. The lightweight design enables real-time and edge-device deployment, addressing a major limitation of existing deep-learning techniques. The findings highlight the potential of CNNAttLSTM for scalable, efficient, and accurate agricultural disease monitoring and broader precision agriculture applications.
Gaurav Tuteja mail , Fuad Ali Mohammed Al-Yarimi mail , Amna Ikram mail , Rupesh Gupta mail , Ateeq Ur Rehman mail , Jeewan Singh mail , Irene Delgado Noya mail irene.delgado@uneatlantico.es, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es,
Tuteja
<a href="/27154/1/s41598-026-37191-w_reference.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
End-to-end emergency response protocol for tunnel accidents augmentation with reinforcement learning
Autonomous unmanned aerial vehicles (UAVs) offer cost-effective and flexible solutions for a wide range of real-world applications, particularly in hazardous and time-critical environments. Their ability to navigate autonomously, communicate rapidly, and avoid collisions makes UAVs well suited for emergency response scenarios. However, real-time path planning in dynamic and unpredictable environments remains a major challenge, especially in confined tunnel infrastructures where accidents may trigger fires, smoke propagation, debris, and rapid environmental changes. In such conditions, conventional preplanned or model-based navigation approaches often fail due to limited visibility, narrow passages, and the absence of reliable localization signals. To address these challenges, this work proposes an end-to-end emergency response framework for tunnel accidents based on Multi-Agent Reinforcement Learning (MARL). Each UAV operates as an independent learning agent using an Independent Q-Learning paradigm, enabling real-time decision-making under limited computational resources. To mitigate premature convergence and local optima during exploration, Grey Wolf Optimization (GWO) is integrated as a policy-guidance mechanism within the reinforcement learning (RL) framework. A customized reward function is designed to prioritize victim discovery, penalize unsafe behavior, and explicitly discourage redundant exploration among agents. The proposed approach is evaluated using a frontier-based exploration simulator under both single-agent and multi-agent settings with multiple goals. Extensive simulation results demonstrate that the proposed framework achieves faster goal discovery, improved map coverage, and reduced rescue time compared to state-of-the-art GWO-based exploration and random search algorithms. These results highlight the effectiveness of lightweight MARL-based coordination for autonomous UAV-assisted tunnel emergency response.
Hafiz Muhammad Raza ur Rehman mail , M. Junaid Gul mail , Rabbiya Younas mail , Muhammad Zeeshan Jhandir mail , Roberto Marcelo Álvarez mail roberto.alvarez@uneatlantico.es, Yini Airet Miró Vera mail yini.miro@uneatlantico.es, Imran Ashraf mail ,
ur Rehman