De crímenes de familia a crímenes de Estado
Bibliographic record
Abstract
El problema acuciante de violencia de género que vive Latinoamérica ha sido abordado recientemente por el cine de Argentina y México. En este artículo analizamos dos importantes representaciones, Las tres muertes de Maricela Escobedo de Carlos Pérez Osorio y Crímenes de familia de Sebastián Schindel. Basándose en historias reales, los directores recurren a diferentes estrategias para visibilizar y fomentar la discusión sobre la violencia contra mujeres y sus secuelas. En Crímenes de familia Schindel atrapa al espectador proponiendo un rompecabezas narrativo en el que poco a poco va introduciendo el tema por medio del suspenso. En Las tres muertes de Marisela Escobedo expone a través del documental el calvario de una madre en búsqueda de justicia para su hija, víctima de feminicidio. A través del documental emocional y de denuncia, Pérez Osorio vigoriza el debate en torno a la justicia y la violencia de género. En este trabajo analizamos las estrategias narrativas elegidas por los directores para visibilizar y agudizar el debate alrededor de temas complejos como la violación, homicidio agravado por el vinculo y el feminicidio. En segundo lugar, nos centraremos en la perspectiva de la madre que reformula en su devenir temas cruciales como la toma de conciencia, la falta de justicia, la sororidad y el activismo. Por último, analizamos la elección de ambas películas de ser co-producidos y distribuidos por Netflix. Argüimos que estos estos tres elementos se combinan para conformar lo que Rita Segato llama una “contra-pedagogía de la crueldad”.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.007 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".