La innovación psicosocial: planificar su implementación y difusión para prevenir la delincuencia juvenil
Bibliographic record
Abstract
La innovación en la prevención de la delincuencia juvenil orienta sus acciones hacia el mejoramiento de la calidad de los ambientes sociales. Eso significa que las personas que interactúan en la vida cotidiana con los niños y adolescentes en dificultad en sus medios naturales (familia, escuela, barrio) se transforman en los grupos objetivo para participar en programas preventivos. Este enfoque recibe un sólido fundamento científico, pero su aplicación concreta está a menudo limitada debido a problemas en la difusión de la innovación psicosocial. Podemos fácilmente imaginar los obstáculos que puede haber para establecer un sistema eficaz de comunicación entre los diferentes grupos involucrados (investigadores, tomadores de decisión, agentes de intervención y miembros de la comunidad). Es importante reflexionar sobre este problema ya que la dificultad de difundir las nuevas prácticas en terreno puede poner en riesgo los efectos benéficos esperados. El presente texto tiene por objetivo el proponer un marco integrador orientado a optimizar el paso entre los universos científico, político y práctico apoyándose en la teoría de la difusión de la innovación.
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.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.009 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".