Macrovaloración y análisis funcional: la preeminencia de la interacción politicosocial sobre el gobierno
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
La macrovaloracion es una combinacion entre la teoria, la estrategia y la metodologia de la valoracion de documentos en Archivistica. Practica el refinado arte de la destruccion a traves de conceptos y metodos mas defendibles de valoracion de documentos para su conservacion archivistica a largo plazo. El analisis funcional es una parte importante de la macrovaloracion, aunque, como veremos mas adelante, las 'funcionalidades' asi analizadas estan perfectamente definidas, aparte de lo que hace el gobierno. Ademas, mientras que 'analisis funcional' parece una metodologia (y en parte lo es), 'funcion' en macrovaloracion tambien refleja sus asunciones teoricas mas importantes. A modo de introduccion, deben citarse sucintamente algunas de las caracteristicas principales de la macrovaloracion: l. La valoracion debe ser un proceso activo y planificado para localizar documentos de valor archivistico, no una reaccion pasiva a peticiones de gestores de documentos para obtener autorizacion para destruir documentos. Desarrolle la macrovaloraclon por primera vez en 1989-90 cuando escribi mi estudio del RAMP. (COOK 1991b). y utilice las conclusiones para desarrollar, con la ayuda de algunos colegas, el programa de Macrovaloracion en el Archivo Nacional de Canada, que fue creado en 1991 como centro Intelectual de un nuevo enfoque a la disponibilidad de los documentos. Fui el director responsable de la valoracion y la disposicion del programa desde 1993 hasta 1998. cuando deje la institucion. Por esto. no debe pensarse que las ideas que expongo aqui son las existentes hoy en el Archivo canadiense donde los programas evolucionan constantemente
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it