¿Qué investigamos cuando estudiamos la violencia en redes sociales en Colombia? Una revisión sistemática de la literatura
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
Con el incremento en el acceso y uso de las redes sociales en Colombia, es de esperar que prácticas y discursos violentos se trasladen a estos espacios digitales. Sin duda, hoy en día las redes sociales son parte de los ecosistemas de información y comunicación de los colombianos, donde las culturas de violencia y paz se expanden y transforman. En este contexto, es esencial explorar las formas en las investigamos la violencia en redes sociales, ya que entender este fenómeno permite responder mejor a las necesidades y experiencias de las comunidades del país. El presente articulo busca explorar cómo se ha estudiado la violencia en las redes sociales en Colombia mediante una revisión sistemática de la literatura. Resultados muestran un complejo trayecto de investigación en el país que comprende variados objetivos, como entender las diferentes formas en las que la violencia es ejercida a través de redes sociales o sobre cómo nos permite conocer más contextos de violencia. Igualmente, los resultados muestran que las investigaciones están principalmente enfocadas en dos plataformas: Facebook y Twitter. Finalmente, se encontró que los artículos están principalmente orientados a investigar tres tipos de violencias: violencia de género, violencia relacionada con conflicto armado, y violencia escolar. Los hallazgos de esta revisión sistemática de la literatura permiten, por un lado, valorar previos estudios que han demostrado el complejo panorama de la violencia mediática en el país y, por otro lado, descubrir posibles vacíos en la literatura que podrían ser respondidos por investigadoras e investigadores en el futuro.
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 | 0,008 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,012 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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