El Agroturismo en sinergia con la preservación de los recursos culturales ancestrales. (El tejido de la fibra de cabuya en la comunidad de Nizag)
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
La caracterización automática de obras musicales, e intérpretes de las mismas, es objeto de investigación en la actualidad. Debido principalmente a la importancia del tópico, pero también al auge tecnológico y la disposición de herramientas computacionales capaces de detectar voz y sonido. El reconocimiento automático de una composición, así como su intérprete y características relevantes desde el punto de vista musical, ha mantenido a una comunidad de investigadores en la búsqueda de medidas que permitan hacer comparaciones e inferir con precisión sobre las características de la composición y el intérprete; sin embargo, esta medida aún está por descubrirse, aunque se han generado diversas técnicas estadístico-computacionales que merecen ser evaluadas y quizás combinadas para fortalecer cualquier investigación en este tópico. Este trabajo, producto de una basta revisión bibliográfica, recoge las principales técnicas y herramientas que han sido utilizadas y propuestas por investigadores en las últimas dos décadas. El documento será de ayuda a los investigadores que decidan emprender estudios, evaluaciones e implementaciones de estas herramientas, así como también aquellos que deseen trabajar en el reconocimiento automático de obras musicales, sus características e intérpretes, o recuperación de información musical.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.003 | 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