Bibliographic record
Abstract
En el ecuador la desnutrición infantil ha sido un factor muy alarmante ante la sociedad y los mismos gobernantes, la desnutrición no es por no haber alimentos sino porque no pueden ser adquiridos por las familias de bajos recursos económicos, la desnutrición y el incremento de la pobreza vienen de la mano lo cual genera un alto grado de reciprocidad en nuestro país, al habla de este problema social no solo nos enfocaremos en nuestro país sino en el resto de las naciones y también en los organismos y organizaciones que han tomado cartas en el asunto para remediar el impacto de la desnutrición si bien es que la economía afecta a casi todos los países del tercer mundo y no pueden generar fuentes de empleo para su población local porque las grandes potencias también sufren de este problema social, cabe recalcar que la desnutrición afecta a todo el mundo y más a los infantes los cuales no pueden valerse por sí mismo es ahí donde este tema es más alarmante por que en los últimos años la desnutrición infantil ha crecido en algunos países y en otros ha descendido, este trabajo tiene un carácter investigativo y comparativo de los países con el alto grado de desnutrición y la evolución que ha tenido nuestro país en este tema.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 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 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".