Bibliographic record
Abstract
La pandemia de Covid-19 generó reacciones en cadena que se extienden más allá del ámbito de los riesgos sanitarios y alcanzan las áreas políticas, sociales y económicas. Estas reacciones no se distribuyeron uniformemente y agravaron la marginación y las desigualdades sociales existentes (UNDRR and UNU-EHS 2022: 11). Los trabajadores migrantes e informales, y los que viven en asentamientos informales, se vieron afectados de manera desproporcional por los impactos de la pandemia a la salud, y demás impactos secundarios, que también perjudicaron sus medios de sustento y su habilidad para cubrir sus necesidades básicas y limitaron su habilidad para recuperarse debido a las estrategias de afrontamiento que tuvieron que adoptar (Chen et al. 2022: 19). Al mismo tiempo, una reducción del riesgo de desastres (RRD) exitosa generalmente depende de redes y actores informales (Boersma et al. 2019). Se ha discutido mucho acerca de las limitaciones de los mecanismos formales de gobernanza de desastres, con fallas relacionadas en gran parte con la falta de flexibilidad, las estrategias de coordinación, los incentivos, la comprensión del contexto o el conocimiento (local), además de haber un enfoque en las soluciones tecnocráticas y de infraestructura en lugar de utilizar los recursos locales existentes (Duda, Kelman and Glick 2020: 375). A pesar de esto, todavía predominan los enfoques de gestión de desastres centrados en un solo riesgo a corto plazo (Donoghoe et al. 2022). Una investigación respaldada por Covid-19 Responses for Equity Programme (CORE), que cuenta con el apoyo del Centro Internacional de Investigaciones para el Desarrollo (IDRC), señala la necesidad de disposiciones especiales que aborden los desafíos actuales y futuros de los trabajadores informales en la respuesta a desastres (Pillai et al. 2022b). Esto requiere no solo incluir a los trabajadores informales en las políticas de recuperación del Covid-19, sino también colocarlos en un lugar central de las políticas económicas, sociales y de desastres (Alfers et al. 2022). Se debe priorizar ciertas acciones, incluyendo la necesidad de mejores datos, la revisión de políticas para garantizar que abarquen consideraciones de género y medidas de protección social que incluyan a trabajadores migrantes e informales, y un mayor reconocimiento a la función significativa que tienen las organizaciones de base en el apoyo a grupos marginados en tiempos de crisis.
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 | 0.002 | 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 | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".