Aproximación conceptual para la calidad en la etapa pre inversión
Bibliographic record
Abstract
El objetivo del artículo es analizar la calidad en la etapa de pre inversión de proyectos, dada la dispersión de criterios identificada al respecto. Se analizaron las diferentes perspectivas y tendencias de la calidad de la etapa de pre inversión, que constituye la etapa inicial de los proyectos, a través de la utilización de métodos teóricos como: análisis-síntesis, inductivo-deductivo y sistémico estructural bajo un enfoque bibliométrico. Se consultaron las publicaciones científicas en la Web of Science, Dimensions, Scielo y Redalyc, cuyo análisis permitió reconocer el creciente interés en la temática durante el año 2020 y el protagonismo de la revista científica Venezolana de Gerencia en su divulgación. Como principal resultado, se propone una aproximación conceptual de la calidad de la etapa de pre inversión que contiene las variables: cumplimiento de características de calidad, responsabilidad social, satisfacción de las partes interesadas, costos, plazos y fiabilidad; resultantes del análisis de correlación de las palabras clave más utilizadas en las definiciones identificadas. Este resultado podrá constituir el basamento teórico para el diseño de indicadores y metodologías para la evaluación y mejora de la calidad en la etapa de pre inversión.
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 | 0.028 | 0.071 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.010 |
| Science and technology studies | 0.004 | 0.027 |
| Scholarly communication | 0.017 | 0.018 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".