La configuración de la maternidad a través de la inversión social en los niños. Ejemplos de Canadá y México
Bibliographic record
Abstract
Como ha sido señalado por otros estudiosos en el ámbito del posneoliberalismo, la inversión social dirigida a grupos en riesgo se ha convertido en el enfoque central para los gastos sociales de los Estados-nación alrededor del mundo, y los niños, dado su potencial inherente, se han convertido cada vez más en el enfoque de las inversiones del Estado dirigidas a mejorar su futura integración en la economía de mercado. Este artículo detalla los resultados de dos casos de estudio de la regulación de la maternidad en dos contextos muy diferentes en los que las técnicas neoliberales dirigen la inversión hacia los niños. En Canadá, recientes campañas han instado a las madres a que inviertan grandes cantidades en sus hijos durante sus primeros años con el fin de mejorar su desarrollo cerebral y su eventual éxito en el mercado. En México, el programa antipobreza patrocinado por el Estado pretende aumentar el desarrollo del capital humano de los niños a través del sistema educativo como una manera de asegurar la futura inserción de los mexicanos de zonas rurales en la economía de mercado. Se comparan los resultados de entrevistas en profundidad realizadas con madres en el sur de Ontario y en zonas rurales de México. Si bien las experiencias de estas madres están marcadas por muchas diferencias culturales y de clase social, existen similitudes sorprendentes en términos de los efectos de un marco de inversión social en la regulación de la maternidad.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".