¿Qué investigamos cuando estudiamos la violencia en redes sociales en Colombia? Una revisión sistemática de la literatura
Bibliographic record
Abstract
Con el incremento en el acceso y uso de las redes sociales en Colombia, es de esperar que prácticas y discursos violentos se trasladen a estos espacios digitales. Sin duda, hoy en día las redes sociales son parte de los ecosistemas de información y comunicación de los colombianos, donde las culturas de violencia y paz se expanden y transforman. En este contexto, es esencial explorar las formas en las investigamos la violencia en redes sociales, ya que entender este fenómeno permite responder mejor a las necesidades y experiencias de las comunidades del país. El presente articulo busca explorar cómo se ha estudiado la violencia en las redes sociales en Colombia mediante una revisión sistemática de la literatura. Resultados muestran un complejo trayecto de investigación en el país que comprende variados objetivos, como entender las diferentes formas en las que la violencia es ejercida a través de redes sociales o sobre cómo nos permite conocer más contextos de violencia. Igualmente, los resultados muestran que las investigaciones están principalmente enfocadas en dos plataformas: Facebook y Twitter. Finalmente, se encontró que los artículos están principalmente orientados a investigar tres tipos de violencias: violencia de género, violencia relacionada con conflicto armado, y violencia escolar. Los hallazgos de esta revisión sistemática de la literatura permiten, por un lado, valorar previos estudios que han demostrado el complejo panorama de la violencia mediática en el país y, por otro lado, descubrir posibles vacíos en la literatura que podrían ser respondidos por investigadoras e investigadores en el futuro.
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 | 0.013 | 0.043 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.016 | 0.017 |
| Science and technology studies | 0.008 | 0.014 |
| Scholarly communication | 0.021 | 0.013 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 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".