Bibliographic record
Abstract
El comercio electrónico e Internet ofrecen oportunidades sin precedentes, la explosiva expansión del uso de Internet hace posible que las empresas puedan ampliar sus mercados y prestar servicios a grandes grupos de consumidores electrónicos. En una sociedad donde las operaciones comerciales pueden generar problemas y disputas, esto mismo llega a suceder en aquellas transacciones en línea. Con la llegada de las nuevas tecnologías los procesos antropológicos y sociales se han adaptado al cambio y los entornos digitales. Las comunidades digitales son igual de complejas que las reales, y pueden llegar incluso a mayor conflicto al no contar con una interacción personal. Los mecanismos alternativos de solución de controversias a través de medios electrónicos, conocidos popularmente como ODR, por sus siglas en inglés (Online Dispute Resolution), son una corriente de los Alternative Dispute Resolution Mechanisms (mecanismos alternativos de solución de controversias, ADR, por sus siglas en inglés). Estos se han posicionado como una tendencia dentro de las comunidades virtuales sobre todo dentro del comercio electrónico o e-commerce en donde los conflictos entre el cliente y la empresa son habituales en el día a día. Internet ha transformado el marketing y los negocios en las empresas, cada día millones de personas abastecen sus necesidades gracias a empresas que han otorgado valor a sus actividades tanto de provisión como distribución, y pueden interactuar con el cliente en tiempo real. A través de la tecnología, las empresas implementan herramientas y estrategias digitales que les permite lograr sus objetivos. Se realizó un estudio cualitativo en un nivel documental bibliográfico, con el objetivo de estudiar el impacto que tienen los mediadores profesionales en la resolución de conflictos derivados del comercio electrónico. Tras la revisión documental se encontraron diferentes herramientas de mediación digital implementadas como cibertribunales, magistrados virtuales, cámaras de comercio digitales, y buzones de resolución electrónica de disputas del consumidor, estas herramientas pueden ser de carácter externo e independiente, con árbitros imparciales quienes resolverían los conflictos entre empresas y consumidores.
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 | 0.006 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.005 | 0.018 |
| Scholarly communication | 0.032 | 0.033 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".