Traducción de conocimientos en el Sur Global: conectando diferentes formas del saber para un desarrollo equitativo
Bibliographic record
Abstract
Este estudio explora la traducción de conocimientos (TC) en el Sur Global y ofrece recomendaciones para que los patrocinadores puedan brindar su apoyo para estructuras y estrategias más eficaces para el uso de la investigación al servicio del desarrollo equitativo. El proyecto explora las estrategias, prácticas y teorías de TC que utilizan los investigadores y los intermediarios de la investigación en el Sur Global, así como los desafíos que enfrentan, e identifica los tipos de apoyo que se necesitan de parte de los patrocinadores de la investigación. El diseño de métodos mixtos incorporó sesiones de facilitación del aprendizaje, una revisión de la bibliografía, la selección y el análisis de estudios de caso y entrevistas semiestructuradas. La investigación indica que la definición de la TC es demasiado restrictiva y que se necesita un enfoque integral para apoyar su implementación en el Sur Global. Entre las recomendaciones para los patrocinadores se incluyen la creación de fondos de contención, la adopción de un enfoque a nivel de programa para apoyar la TC y la aceptación de la complejidad.
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 | 0.007 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".