La dimensión educativa de la democracia local: el caso del presupuesto participativo
Bibliographic record
Abstract
Este artículo presenta los resultados más significativos de un estudio sobre los aprendizajes y \ncambios experimentados por participantes del presupuesto participativo de la ciudad de \nRosario, Argentina. Este estudio es parte de una agenda de investigación más amplia que \nexamina la dimensión educativa de la democracia local. Dicho proyecto intenta responder a \nlos desafíos planteados por Carole Pateman y Jane Mansbridge, quienes señalaron la escasez \nde investigaciones empíricas sobre el impacto educativo de la participación. La metodología \nincluyó observaciones de asambleas y encuentros, así como entrevistas a 40 delegados electos \npor sus comunidades (en una muestra balanceada en términos de sexo, antigüedad, y barrio de \nresidencia) que exploraron cambios en conocimientos, habilidades, actitudes y prácticas \nciudadanas a través de 55 indicadores. En términos generales, los participantes indicaron que \na partir de su involucramiento en la democracia local se han vuelto más informados, capaces, \ndemocráticos, comprometidos y cuidadosos con su entorno urbano. Estos resultados sugieren \nque el presupuesto participativo no sólo es un proceso de deliberación y toma de decisiones \nen el que los habitantes deciden cómo distribuir una porción del presupuesto municipal, sino \ntambién un espacio de educación informal que promueve importantes experiencias de \naprendizaje sobre ciudadanía y democracia.
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 | 0.007 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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 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".