Perfil de las sociedades científicas de estudiantes en las ciencias de la salud del Perú
Bibliographic record
Abstract
Introducción: Las sociedades científicas de estudiantes (SCE) son comunidades de aprendizaje donde el estudiante forma sus competencias investigativas. Objetivo: Elaborar un perfil contextualizado de las características de las SCE en los programas de las ciencias de la salud existentes en el Perú. Método: Se diseñó un estudio de tipo descriptivo y transversal, en el que se utilizó el análisis documental y la encuesta. La población se compuso de todas las SCE existentes en el Perú hasta diciembre del 2020, exploradas a través de sus redes sociales y encuestas a sus líderes. Las categorías fueron: conformación, pertenencia institucional, visibilidad, trayectoria y actividades académico-científicas. Resultados: De las 143 universidades analizadas en el Perú, 105 presentaron al menos un programa relacionado a las ciencias de la salud, el 32.4% (n = 34) tuvo al menos una SCE; la mayoría presentes en universidades estatales. 11 universidades presentaron más de una SCE, por lo que en total se registraron 52 SCE, el 71.2% (n = 37) existentes en el programa de Medicina Humana. El periodo de fundación de las SCE varió desde 1991 hasta el 2020. Sus principales actividades incluyeron: dictado de cursos sobre redacción científica, publicación de artículos, participación en concursos, talleres y seminarios relacionados a metodología de la investigación. Conclusiones: El perfil contextualizado de las SCE permite documentar la presencia de semilleros de investigación desde hace más de 30 años en el Perú, se encuentran aproximadamente en un tercio de las universidades con al menos un programa de las ciencias de la salud, siendo una experiencia mayormente desarrollada en las universidades estatales.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.017 | 0.220 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 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; both teacher heads agree on what is shown here.
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".