El plan estratégico de marketing como mecanismo de posicionamiento. caso dirección de vinculación ESPOCH
Bibliographic record
Abstract
La investigación se realizó con el fin de diseñar estrategias de marketing para posicionar la Dirección de Vinculación de la ESPOCH en la ciudad de Riobamba, Provincia de Chimborazo, año 2019, por lo tanto, se plantearon los siguientes objetivos: Objetivo General Diseñar un plan estratégico de marketing para el posicionamiento de la Dirección de Vinculación de la ESPOCH en la ciudad de Riobamba, Provincia de Chimborazo, año 2017. Objetivos Específicos Establecer la filosofía corporativa de la Dirección de Vinculación de la ESPOCH. Elaborar el diagnóstico situacional basado en un análisis interno y externo. Diseñar estrategias de marketing a fin de mejorar el desempeño estructural y el posicionamiento de la Dirección, para enfrentar eficientemente los desafíos institucionales. La metodología utilizada se basó en la aplicación de encuestas aplicadas a los estudiantes, docentes politécnicos y al sector empresarial de la ciudad de Riobamba, además de la elaboración del diagnóstico que permitió conocer la situación actual de la Dirección. Se determinó según los resultados obtenidos que son necesarios el diseño e implementación de estrategias que ayuden a mejorar la estructura interna de la misma, puesto que el bajo posicionamiento, limitada comunicación, y la baja presencia en redes sociales principalmente ha causado el desconocimiento de la Dirección antes mencionada y sus principales ejes de acción. La propuesta se fundamentó en elaborar estrategias que ayuden a posicionar a la Dirección en la ciudad de Riobamba. De esta manera se tratará de resolver los principales problemas que la institución posee y específicamente el departamento antes mencionado, y su componente efectivo va de la mano con el grado de posicionamiento que este alcance con este plan basado en estrategias específicas.
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 | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| 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".