Production 101, film production with a great enterpresing spirit
Bibliographic record
Abstract
Con mucha facilidad se nos olvida en las universidades la importancia de la docencia. Es fácil que esto ocurra cuando el sistema de acreditación reconoce casi en exclusiva la investigación como es el caso de España, y la docencia queda relegada a un enorme bloque de ‘otros’, donde docencia, transferencia a la sociedad y gestión prácticamente se diluyen entre sí. Con no poco esfuerzo para encontrar el tiempo y los pocos ánimos propios y de colegas, salen a la luz manuales de asignaturas. Algunos editados por las propias universidades y que de forma tan frecuente se menosprecian y valoran como algo menor, y otros con grandes esfuerzos personales de los propios autores. En esta reseña se quiere poner en valor la importancia de los manuales, el libro del profesor, la biblia de trabajo que hará posible que los estudiantes sean grandes profesionales el día de mañana. Con frecuencia encontramos profesores universitarios que recurren a referencias de numerosos autores para conformar su propio programa y temario, plagados de multitud de citas, que en muchas ocasiones casi nublan el objetivo, en definitiva, por la casi obligatoriedad de revestir un método de enseñanza, un concepto, una herramienta de trabajo.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.017 | 0.006 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.072 | 0.021 |
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".