MétaCan
Menu
← Retour à la cohorte
Enregistrement W1978996046 · doi:10.15213/redes.n9.p251

El uso, apropiación e impacto de las TIC por las mujeres rurales jóvenes en el Perú

2014· article· es· W1978996046 sur OpenAlexfundno aff
Andrea Abad, Mariana Ávila

Notice bibliographique

RevueRevista de Estudios para el Desarrollo Social de la Comunicación · 2014
Typearticle
Languees
DomaineSocial Sciences
ThématiqueEducation in Rural Contexts
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research CentreWorld Bank Group
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

PerúAndReA GARCíA AbAd, mARiAnA bARReto ÁvilA ResumenEl presente estudio surge a partir de los hallazgos obtenidos por el equipo de Perú del programa Nuevas Trenzas, esfuerzo de investigación desarrollado en seis países de América Latina, bajo la coordinación del Instituto de Estudios Peruanos.El programa busca profundizar el conocimiento sobre los cambios recientes en las vidas las mujeres rurales jóvenes.Este estudio se centrará en los actores, las mujeres rurales jóvenes, para analizar los usos y las formas de apropiación de las TIC, específicamente teléfono móvil e Internet, para averiguar qué impacto tienen estos procesos en sus dinámicas cotidianas y estrategias de vida.Asimismo, buscaremos discutir el efecto de las nuevas prácticas y experiencias que surgen a partir del uso de estas tecnologías tienen algún efecto en los márgenes de autonomía de este colectivo.El estudio presentará los hallazgos obtenidos durante el trabajo de campo en dos centros poblados rurales del Perú, donde se realizaron grupos focales y entrevistas en profundidad con mujeres rurales jóvenes.Si bien es un trabajo exploratorio, nuestra intención es contribuir a la discusión sobre los retos de las TIC para convertirse en herramientas que mitiguen las brechas de desigualdad que afectan a las mujeres rurales jóvenes, colectivo clave para el desarrollo rural.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,170

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,376
Écart entre enseignants0,353 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de Estudios para el Desarrollo Social de la Comunicación→Même sujetEducation in Rural Contexts→Travaux en français237 207→