Bibliographic record
Abstract
Los investigadores en nuestro campo de la psiquiatría transcultural o de la etnopsiquiatría consideran a Sergio Javier Villaseñor Bayardo, psiquiatra y antropólogo, como el mejor calificado para escribir sobre la etnopsiquiatría mexicana. Es un médico mexicano con entrenamiento en postgrado de psiquiatría y de etnología-antropología en instituciones académicas de primer nivel de México y de Francia. Posee la especialidad en psiquiatría por la Universidad Nacional Autónoma de México, un grado de maestría en toxicología por la Universidad de París V, un doctorado en Antropología Social y Etnología de la famosa Ecole des Hautes Etudes en Sciences Sociales de Paris y además, años de estudio y de investigación de campo sobre la cultura y los sistemas curativos de los grupos indígenas mexicanos. A diferencia de otros intelectuales latinoamericanos, Villaseñor Bayardo elige iniciar su excelente carrera en la cité lumière pero regresa a su país natal para servir a México como un profesor e investigador clínico y académico, autor científico y editor. Ha contribuido a mejorar aún más la reputación de su alma mater, la Universidad de Guadalajara y a la de la prestigiada escuela de medicina, de cuyos pioneros de la psiquiatría hace una crónica en su libro: “Voces de la Psiquiatría”.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.016 | 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".