Sistemas de evaluación del desempeño: dilemas para una implementación efectiva
Bibliographic record
Abstract
Los sistemas de evaluacion del desempeno (SED) se basan en la existencia de cadenas causales que pueden ayudar a transformar un problema social en un problema de politica publica. Estas tambien tienen que guiar la seleccion de los instrumentos que los gobiernos deben utilizar para generar resultados, que puedan transformar la realidad social en la forma deseada. Los principales problemas con estos supuestos son los siguientes: los fines estan en disputa, lo cual hace imposible que exista una sola forma de medir desempeno; las cadenas son dificiles de identificar porque se entrecruzan con muchas otras; es complicado aislar los efectos de solo una de ellas y los SED son instrumentos politicos que pueden utilizarse para legitimar grupos al interior de una organizacion. Los elementos anteriores nos obligan a entender los limites que tienen estas herramientas para medir resultados de forma objetiva. Las dificultades de ir del problema social a los resultados son las mismas que se enfrentan cuando se trata de evaluar si estos fueron propiciados por las acciones de politica emprendidas por un gobierno; sin embargo, a pesar de ser un instrumento limitado para medir, los SED son poderosos dispositivos para generar una sana discusion al interior de las organizaciones, que trate de generar consensos sobre los objetivos perseguidos
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 | 0.083 | 0.180 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.006 | 0.006 |
| Science and technology studies | 0.003 | 0.012 |
| Scholarly communication | 0.019 | 0.019 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.020 | 0.003 |
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".