Bibliographic record
Abstract
En este artículo, se presenta el estudio de las garantías procesales penales que deben de respetarse en el procedimiento de obtención de una evidencia digital en un hecho ilícito y su correspondiente incorporación a un proceso penal, de acuerdo con la Constitución política del Estado peruano. En principio, se enumeran brevemente las garantías procesales que deben considerarse en relación a la evidencia digital, a la par que se explica los requisitos exigibles para que dicha evidencia se incorpore a un proceso penal. En este trabajo de investigación, se utilizó el método descriptivo. Se halló que los operadores jurídicos del Ministerio Público se encuentran solicitando apoyo técnico para investigar estos nuevos delitos cibernéticos estando a que no existen fiscalías especializadas a nivel nacional. Ello, para no correr el riesgo de perderse la fuente de información del hecho ilícito cibernético, lo cual generaría impunidad. Por otro lado, se describirá si en el camino de obtener la evidencia digital se vulneran derechos fundamentales, ello impediría la valoración de dicha prueba digital. Por último, también se advirtió que, en el Código Procesal Penal, no existe un tratamiento jurídico especial de la evidencia digital, pues se considera como prueba documental. En consecuencia, habiendo firmado el Perú el Convenio de Budapest, urge crear un procedimiento especial para el tratamiento legal de la prueba digital, que vaya acorde con la evolución de los nuevos delitos cibernéticos.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.007 | 0.023 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 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".