Los efectos diferenciados por la carga de cuidado durante la crisis de la COVID-19 en mujeres científicas: una reflexión sobre los desafíos y posibles acciones en Colombia
Bibliographic record
Abstract
Durante la pandemia de la COVID-19 a las tradicionales actividades científico-académicas, se sumaron en paralelo el cuidado de los hijos o de los familiares, mayor carga del trabajo doméstico, nuevos retos de educación virtual, incluso manejo de salud mental de colegas, estudiantes y asistentes de investigación. Aunque el virus SARS-CoV-2 no discrimina en género o raza en su contagio, varios estudios demuestran que la pandemia afecta de manera desproporcionada la productividad de la investigación hecha por las mujeres en la academia y ciencia, especialmente a las madres. Antes de la pandemia la perspectiva de género ya era un tema poco abordado en las políticas de ciencia, tecnología e innovación colombianas, por lo que es más que necesario discutir los desafíos que las mujeres científicas colombianas enfrentan como resultado de la pandemia en el país. A partir de la revisión crítica de la literatura disponible sobre los retos ampliados para las mujeres científicas debido a la pandemia, se presentan recomendaciones de posibles acciones y estrategias multisectoriales dirigidas a minimizar el impacto de la COVID-19 en las comunidades históricamente subrepresentadas en la academia y la ciencia en nuestro país. La evidencia ya existente sobre los efectos diferenciados de la pandemia debe generar reflexión sobre cómo apoyar al personal científico en Colombia, en especial a madres y cuidadores. Se requieren estrategias para identificar intervenciones durante y después de la pandemia que estén orientadas a responder equitativamente a los impactos desiguales entre géneros en la academia y la ciencia colombiana.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| 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".