Romper el <i>statu quo</i> al promover políticas para la salud, el bienestar y la equidad: un preludio a la UIPES 2022
Bibliographic record
Abstract
FrenchResumen:La próxima reunión internacional de la familia mundial de la promoción de la salud se realizará en Montreal, en mayo del 2022. El tema central de esta 24ª Conferencia es "Promover políticas para la salud, el bienestar y la equidad". Los organizadores decidieron trascender la retórica de los "sospechosos de siempre" y plantear un programa que cuestione realmente los conceptos clave en que se basa la promoción de la salud. En esta contribución, miembros de los Comités científicos nacional de Canadá y mundial de la UIPES reflexionan sobre el estado de la situación actual y las posibilidades futuras. En tal sentido, proponen tres temas: (a) aprovechar las oportunidades que traen las perturbaciones y los puntos de inflexión de los desafíos de salud pandémicos, del cambio climático, de los cambios geopolíticos, del malestar social o de la promesa tecnológica; (b) liberarse de las perspectivas mundiales que favorecen únicamente las soluciones del mercado, las divisiones entre Norte y Sur, hacia las prácticas de la descolonización emancipadora y los sistemas de conocimiento; y (c) abrirse camino entre disciplinas, barreras, fronteras e identidades que están arraigadas en nuestras prácticas y entendimientos para la innovación.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.018 | 0.014 |
| Scholarly communication | 0.014 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.023 | 0.002 |
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".