Bibliographic record
Abstract
El último viaje internacional de la Dra. Elinor Ostrom, premio nobel de economía, fue a México, en cuya capital desplegó una extraordinaria e intensa agenda, y en donde cientos de investigadores, catedráticos, analistas, periodistas, pero sobre todo, miles de universitarios tuvieron el privilegio de encontrarse con la Catedrática Emérita, Titular del Taller de Teoría y Análisis de Políticas, Jefa del Departamento de Ciencias Políticas y Directora del Centro para el Estudio de Instituciones, Población y Cambio Ambiental de la Universidad de Indiana, Bloomington, IN, USA. La comunidad de sus seguidores mexicanos a nombre de sus asiduos y fieles estudiantes, colaboradores y colegas de Noruega, Suecia, Nepal, Nigeria, Kenia, Australia, Bolivia, India, Indonesia, Filipinas, Polonia, Zimbabwe, Nepal, Pakistán, Bangladesh, Alemania, Polonia y Estados Unidos de América le dieron el ultimo adiós a esta mujer que fallecería escasas semanas después, el 12 de junio, víctima de cáncer. Un día antes había dictado una conferencia a la prensa en su querida Universidad de Indiana. La Doctora honoris causa por las Universidades de Nueva Delhi, Montpellier, Michigan, Trondheim, Humboldt, Uppsala, Tecnológica de Luleå, McGill de Montreal y Noruega de Ciencia y Tecnología, entre otras abordó en su labor de investigación una de las cuestiones más perdurables y polémicas de la economía política clásica: ¿Es posible organizar el estudio de los recursos de uso común para evitar, tanto el consumo excesivo como los costos administrativos? Al respecto, se sostenía que cuando muchos poseen un recurso en común –sin derechos individuales y de propiedad bien definida- la sobreexplotación se resuelve mediante la privatización o la imposición de reglas, generalmente a través de una fuerza externa. Ostrom contra-argumenta que es posible crear instituciones estables de autogestión que solucionen problemas de provisión, credibilidad y supervisión. Para probar su tesis trabajó en Ecuador, Guatemala, Honduras, Bolivia, Chile, Colombia y España. Resalta el caso de México, donde más del 80% de los bosques los poseen miles de ejidos y comunidades agrarias, para el cual Ostrom señala que las organizaciones de propiedad común desempeñan un papel importante de gestión de recursos.
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 | 0.007 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.004 |
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".