Registro universitario y red social de investigadores de la Universidad de San Carlos de Guatemala
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
El Registro Universitario de Investigadores (RUI) es un catálogo creado por la Digi a principios del 2015, enfocado a conocer el recurso humano que forma parte del Sistema de Investigación de la Usac. El registro busca cuantificar y calificar las características de los profesionales dedicados a la investigación, requiriendo información general, como datos personales, formación académica, profesión y docencia, y específicas como experiencia en investigación, especialidad y publicaciones. Se implementó un formulario en línea utilizando el software de código abierto LimeSurvey. El producto actual de este proceso, son 917 profesionales registrados, de los cuales el 58% son hombres y el 42% mujeres; 45% son <40 años, 40% entre 40 y 55 años y 15% >56 años. La investigación es multidisciplinaria, 49.3% de los investigadores se enfocan en el área social, 56.5% en el área tecnológica y 26.1% en el área de salud. El 53% trabaja en docencia, de los cuales el 43% son profesores titulares. Del desarrollo del registro, surgen varias ideas, como la capacitación, pero también la necesidad de relacionar a los investigadores entre sí. En consecuencia se implementa la Red Social de Investigadores Digi-Usac como un servicio para estimular esas relaciones, identificando intereses comunes, socializando perfiles académicos y laborales, compartiendo conocimientos y promoviendo la colaboración científica. El sistema de investigación se vitaliza conociendo su potencial, pero se reconforta viendo surgir nuevas generaciones de investigadores e investigadoras en sus diferentes áreas.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,016 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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