Emprendedores reticentes, informalidad, y microemprendimiento en la población transgénero y transexual de Bolivia
Bibliographic record
Abstract
En este artículo describimos y analizamos los resultados de una encuesta realizada a personas transgénero y transexuales en Bolivia. El enfoque está centrado en las condiciones laborales y las experiencias de esta población dentro del mercado laboral del país. Complementamos los resultados de la encuesta con un análisis cualitativo de entrevistas realizadas con activistas de la Organización de Travestis, Transexuales, y Transgéneros Femeninas de Bolivia (OTRAF Bolivia). Los resultados de la encuesta y las entrevistas muestran que las personas transgénero y transexuales en Bolivia reportan experimentar barreras para acceder al mercado laboral formal, siendo uno de los principales obstáculos los altos niveles de discriminación por parte de similares y empleadores. Su condición laboral se caracteriza por niveles elevados de desempleo, subempleo, bajos ingresos económicos y trabajo informal. Con respecto al trabajo informal, muchas personas transgénero y transexuales optan por comenzar su propio negocio como medio para generar ingresos y como respuesta a la discriminación que experimentan en el mercado laboral. Analizamos a estos y estas emprendedores informales dentro del marco de la literatura de “reluctant entrepreneurs” o emprendedores reticentes y concluimos con recomendaciones de políticas públicas.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".