Aplicación y proceso de actualización del modelo de identificación del riesgo de trabajo infantil en el Perú
Notice bibliographique
Résumé
La experiencia por desarrollar en el presente documento se dio durante el periodo \n2018 al 2021 en el Ministerio de Trabajo y Promoción del Empleo (MTPE), \nespecíficamente en la Dirección de Promoción y Protección de los Derechos \nFundamentales Laborales que pertenece a la Dirección General de Derechos \nFundamentales y Seguridad y Salud en el Trabajo que entre sus objetivos plantea y \nanaliza el problema del trabajo infantil que será desarrollado en el presente \ndocumento. El análisis del trabajo infantil es importante dado que busca garantizar los \nderechos de los trabajadores y, en particular, de aquellos trabajadores desfavorecidos \no pobres que necesitan representación, participación y leyes adecuadas que se \ncumplan y estén a favor de sus intereses. De esta manera, la experiencia por \ndesarrollar es, específicamente, la participación en la aplicación y proceso de \nactualización del Modelo de Identificación del Riesgo de Trabajo Infantil, el cual \nconstituye una herramienta estadística importante para conocer la probabilidad de \nriesgo de trabajo infantil en los territorios. Este modelo siguió la metodología que \nconsiste en 4 etapas: primero, se determinan los factores asociados al trabajo infantil; \nluego, se elabora y aplica el modelo logístico; a continuación, se aplican los resultados \ndel paso anterior al censo de población; y, por último, se realiza una caracterización \nterritorial.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».