Indicadores socioeconómicos para la evaluación de la sustentabilidad forestal en el norte de Uruguay
Bibliographic record
Abstract
El objetivo del siguiente trabajo consistió en validar los indicadores sociales y económicos del Proceso de Montreal e identificar indicadores adicionales que resulten adecuados para evaluar la sustentabilidad forestal en los departamentos de Tacuarembó y Rivera (Uruguay). En primer lugar fue necesario conocer las particularidades de la región y los tipos de emprendimiento existentes, ya que éstos definen los actores involucrados en la evaluación. En segundo término se identificaron informantes calificados para ser encuestados, los cuales refirieron a otros según la técnica de «bola de nieve». Se encuestó a 30 personas relacionadas al rubro forestal de la región. Estas fueron interrogadas sobre la pertinencia de los indicadores socio-económicos incluidos en el proceso de Montreal. De los indicadores evaluados, 100% de los encuestados acordó con la necesidad de contar con el indicador «Empleo y necesidades de la comunidad» y sólo 3% señaló el indicador «Recreación y turismo» como necesario. Adicionalmente, de las entrevistas surgió la necesidad de incluir algunos indicadores para evaluar la «calidad del empleo», «cómo afectan los bosques a las comunidades locales» y la «afectación del paisaje».
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".