Vías de impacto en contextos de crisis: Aprendizajes en escenarios de intervención e incidencia
Bibliographic record
Abstract
El programa Covid-19 Responses for Equity (CORE) fue una iniciativa de tres años financiada por el Centro Internacional de Investigaciones para el Desarrollo (IDRC) de Canadá que reunió 20 proyectos de todo el Sur Global para comprender las repercusiones socioeconómicas de la pandemia de Covid-19, mejorar las respuestas existentes y generar mejores opciones de políticas para la recuperación. La investigación abarcó 42 países de África, Asia, América Latina y Medio Oriente, y buscó comprender de qué manera la pandemia afectó a las personas y regiones más vulnerables y agravó las vulnerabilidades existentes. Los proyectos de investigación abarcaron una amplia gama de temas, incluidas las políticas macroeconómicas para el apoyo y la recuperación; el apoyo a la actividad económica esencial y la protección de las empresas informales, los pequeños productores y las mujeres trabajadoras; y la promoción de la gobernanza democrática para reforzar la rendición de cuentas, la inclusión social y el compromiso civil. El Institute of Development Studies (IDS) prestó su apoyo para la traducción de conocimientos (TC) a los socios investigadores de la iniciativa CORE para maximizar el aprendizaje generado gracias a la cartera de investigación y profundizar la colaboración con los gobiernos, la sociedad civil y la comunidad científica. Como parte de este apoyo, el equipo de TC del IDS trabajó con los equipos del proyecto CORE para reconstruir sus vías de impacto y reflexionar sobre ellas para facilitar el intercambio de conocimientos Sur-Sur sobre estrategias eficaces para el impacto de la investigación, y compartir conclusiones sobre cómo la cohorte de la iniciativa CORE ha influido en las políticas y ha logrado cambios. Este informe presenta una descripción general de estas vías de impacto y las lecciones aprendidas a partir de diferentes proyectos elegidos para representar la diversidad de enfoques utilizados para involucrar a los responsables políticos, la sociedad civil y los medios de comunicación para generar y compartir evidencia sobre el efecto de la pandemia para diversos grupos vulnerables.
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 | 0.005 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".