Registro universitario y red social de investigadores de la Universidad de San Carlos de Guatemala
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
El Registro Universitario de Investigadores (RUI) es un catálogo creado por la Digi a principios del 2015, enfocado a conocer el recurso humano que forma parte del Sistema de Investigación de la Usac. El registro busca cuantificar y calificar las características de los profesionales dedicados a la investigación, requiriendo información general, como datos personales, formación académica, profesión y docencia, y específicas como experiencia en investigación, especialidad y publicaciones. Se implementó un formulario en línea utilizando el software de código abierto LimeSurvey. El producto actual de este proceso, son 917 profesionales registrados, de los cuales el 58% son hombres y el 42% mujeres; 45% son <40 años, 40% entre 40 y 55 años y 15% >56 años. La investigación es multidisciplinaria, 49.3% de los investigadores se enfocan en el área social, 56.5% en el área tecnológica y 26.1% en el área de salud. El 53% trabaja en docencia, de los cuales el 43% son profesores titulares. Del desarrollo del registro, surgen varias ideas, como la capacitación, pero también la necesidad de relacionar a los investigadores entre sí. En consecuencia se implementa la Red Social de Investigadores Digi-Usac como un servicio para estimular esas relaciones, identificando intereses comunes, socializando perfiles académicos y laborales, compartiendo conocimientos y promoviendo la colaboración científica. El sistema de investigación se vitaliza conociendo su potencial, pero se reconforta viendo surgir nuevas generaciones de investigadores e investigadoras en sus diferentes áreas.
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.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.006 | 0.016 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.004 | 0.001 |
| 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 it