De vuelta a las raíces culturales de la mano de la ia: mid journey para el fortalecimiento de la identidad cultural yukpa
Bibliographic record
Abstract
El principal objetivo del presente artículo es desarrollar una metodología que ayude a comparar las estructuras de datos categóricos observando en diferentes momentos así mismo superando las limitaciones de los enfoques tradicionales centrales en las variables cuantitativas por lo cual se propone una medida diversa de la distancia multivariante fundamentada en el análisis de correspondencia múltiples direccionada a identificar los cambios en la interrelación de las diferentes variables categóricas a lo largo del tiempo la metodología que se utilizó en el presente artículo es de carácter cuantitativa de tipo analítica y metodológica mediante un diseño no experimental donde se trabajó con datos organizados en múltiples ocasiones generando un conjunto analizado mediante el DIST-ACM para obtener representaciones estructurales a través de esto se construyen objetos matriciales que sintetizan la información de cada momento posteriormente se aplica un producto escalar de Hilbert-Schmidt para definir una medida de distancia denominada DIST-ACM la cual genera una comparación de las estructuras en diferentes ocasiones este procedimiento incluye lo que es la representación de los resultados en espacios reducidos facilitando una mejor interpretación en cuanto a los resultados la metodología evidencia ser efectiva en la identificación de similitudes y diferencias entre las estructuras de datos categóricos la medida disc DIST-ACM logra cuantificar cambios en la asociación de las variables y analizar la evolución de los individuos en diferentes contextos la validación tanto con datos simulados como reales evidencian la consistencia teórica y la aplicación de la práctica del método en conclusión este estudio logra aportar una herramienta clave para el análisis multi variante de los datos categóricos en diversos contextos dinámicos la propuesta no solo ampliar las posibilidades de investigación en las áreas relacionadas con la educación y ciencias sociales entre otros sino que también permite comprender la evolución de fenómenos complejos.
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 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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".