La Formalización de la Propiedad Rural
Bibliographic record
Abstract
El acceso a la propiedad de la tierra sigue siendo un tema de enorme actualidad en el país rural, por la vulnerabilidad de las comunidades rurales, la precariedad de los bienes públicos en los territorios rurales y la importancia estratégica de sus ecosistemas. Con motivo de la promulgación del Decreto Ley 902 de 2017 en mayo de 2019, el profesor emérito de la Universidad de Toronto Albert Berry, candidato al Nobel de Economía 2014 entre otras razones por sus trabajos en economía campesina, dijo en Bogotá, “Es claro que muchos pequeños agricultores requieren más tierra. Se necesita una política de acceso a la tierra, no solo a los restituidos sino a otros pequeños agricultores, que por uno u otro motivo tienen insuficiente tierra”.El documento inicia con una introducción al problema de la tenencia de la propiedad rural en Colombia, trata las diferentes tipologías de informalidad, tales como la posesión, falsa tradición y ocupación entre otras. Luego se concentra en la normatividad y presenta sus precisiones jurídicas; haciendo énfasis en los planes de ordenamiento social de la propiedad rural y por último se informa sobre las ventajas del catastro multipropósito mencionando el papel de las diferentes agencias del estado (IGAC, ANT, SNR) en el nuevo enfoque institucional.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.030 | 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; 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".