MétaCan
Menu
Back to cohort
Record W29698019 · doi:10.1037/hea0000615

Sobre la eficiencia en defensa

2014· article· en· W29698019 on OpenAlexfundno aff
Carlos Martí Sempere

Bibliographic record

Venuenot available
Typearticle
Languageen
FieldEconomics, Econometrics and Finance
TopicDefense, Military, and Policy Studies
Canadian institutionsnot available
FundersCanadian Institutes of Health Research
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Este trabajo investiga una cuestion fundamental relacionada con la provision de seguridad y defensa a la sociedad: la obtencion del conjunto de capacidades militares que aseguren, de manera eficiente, la proteccion de los ciudadanos frente a agresiones externas, es decir, de forma que se utilicen los menores recursos. Para ello se identifican los metodos, procedimientos, estructuras organizativas e institucionales disenadas para: 1) determinar las capacidades militares que precisa la defensa y 2) proceder a su materializacion lo que incluye la obtencion de recursos internos asi como de los bienes y servicios externos que estas precisan. Una vez identificados, se analiza de forma critica y exhaustiva la idoneidad de estos metodos y estructuras para la generacion optima de capacidades en el sentido anteriormente indicado. La referencia para este analisis es la literatura academica sobre estas cuestiones en diversos campos del conocimiento, incluida la especializada en el sector de la defensa. El resultado de este analisis es una descripcion de los principales factores que, en la practica, condicionan la asignacion eficiente de recursos para la defensa, entre los que puede citarse la propia naturaleza de esta actividad; las dificultades de alinear los objetivos de los diferentes actores, bien a traves de mecanismos de decision colectiva, estructuras organizativas o el mercado; los problemas de informacion e incertidumbre asociados a la toma de decision; la racionalidad limitada del ser humano, o la resistencia al cambio. La conclusion final es que los metodos de tipo heuristico y las estructuras usados habitualmente para facilitar la decision colectiva, aunque ayudan a tomar mejores decisiones, no garantizan resultados optimos en la mayoria de los casos. Su modificacion para incrementar la eficiencia resulta, sin embargo, complicada, pues, aunque pueden atenuarse algunos efectos adversos, tambien pueden generarse otros que, en ultima instancia, den como resultado una solucion peor en su conjunto. Es decir, estos metodos y estructuras presentan limitaciones dificiles de corregir. En particular, la ausencia de un soporte teorico y empirico solido que sustente la validez de los citados metodos y estructuras hace que prevalezcan enfoques evolutivos, relativamente simples, basados en comportamientos adaptativos, incrementales, imitativos, de prueba y error, y de debate informado.

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 imitation

Not 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.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.031
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.060
Threshold uncertainty score0.200

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0060.031
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.002
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0600.003

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.

Opus teacher head0.019
GPT teacher head0.211
Teacher spread0.192 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2014
Admission routes1
Has abstractyes

Explore more

Same topicDefense, Military, and Policy StudiesFrench-language works237,207