Sistema de transporte argentino: estrategias de gestión de la crisis y los riesgos asociados a la pandemia del coronavirus en 2020
Notice bibliographique
Résumé
La crisis pandémica por Covid-19 representó un desafío para los distintos ámbitos de gestión, tanto públicos como privados. El caso de las organizaciones pertenecientes al sector transporte no fue una excepción, sino que éstas se convirtieron en protagonistas de múltiples transformaciones. En este contexto, la ponencia tiene el objetivo describir y analizar algunas de las estrategias y prácticas de gestión de crisis desarrolladas por organizaciones reguladoras y proveedoras de servicios de transporte en la Argentina durante el año 2020, con foco en sus efectos sobre la salud y condiciones laborales de los/as trabajadores/as. Estas estrategias y prácticas se orientaron a garantizar la seguridad operacional y sanitaria, así como la continuidad de los servicios, dentro de los márgenes impuestos por las reglamentaciones excepcionales vigentes. A tal fin, se ha optado por un diseño de investigación descriptivo basado en un enfoque metodológico cualitativo. Las técnicas empleadas fueron: el relevamiento de fuentes secundarias (documentos organizacionales, normativa, etc.) y la realización de entrevistas semiestructuradas a actores clave del sistema de transporte (funcionarios de entes reguladores y prestadoras de servicio, representantes sindicales y trabajadores/as). En la ponencia se presentan los principales hallazgos de la investigación y sus potenciales implicancias para el abordaje de futuros eventos de similares características.
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 | 0,018 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».