Reflexiones colectivas para la generación de espacios de conocimiento: Pensando una Ciencia Ocupacional inclusiva, diversa y participativa
Bibliographic record
Abstract
La primera Conferencia Mundial de la Ciencia Ocupacional se desarrolló en Vancouver, Canadá en agosto de 2022. El idioma oficial del evento fue el inglés. Esto supuso un desafío para varios participantes no anglófonos, entre ellos, algunos autores de este artículo. Debido a lo anterior, los autores se unieron para apoyar la traducción y comunicación recíproca con la audiencia durante el evento. Esto fortaleció el apoyo mutuo y la creación posterior de un grupo de trabajo para reflexionar en torno a la producción de conocimiento en la Ciencia Ocupacional. Posicionado en el llamado a ampliar la disciplina más allá del ámbito anglófono y desde un contexto luso hispánico, el objetivo de este trabajo es: (i) compartir reflexiones colectivas sobre potenciales barreras de participación en eventos científicos; y (ii) sugerir propuestas de democratización del conocimiento en eventos académicos con el fin de generar una Ciencia Ocupacional más abierta, inclusiva, diversa y participativa. Este trabajo podría contribuir en la generación de espacios de conocimiento inclusivos que permitan la participación de más personas interesadas en la Ciencia Ocupacional y con ello, ampliar entendimientos más matizados y diversos sobre la ocupación.
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 | 0.011 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.015 | 0.031 |
| Scholarly communication | 0.024 | 0.009 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 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".