Institucionalizar para incluir: Análisis y opciones de política orientadas a la implementación efectiva del Sistema Nacional de Desarrollo e Inclusión Social (Sinadis)
Bibliographic record
Abstract
Esta publicación, con propuestas hacia un mejor Gobierno 2016 - 2021, es parte de los 17 documentos de política del Proyecto CIES "Elecciones Perú: centrando el debate electoral"; promovido por el Centro de Investigación de la Universidad del Pacífico (CIUP), la Escuela de Gobierno y Políticas Públicas de la Pontificia Universidad Católica del Perú (EGPP - PUCP), y liderado por el Consorcio de Investigación Económica y Social (CIES). Este documento presenta opciones de política en torno a la institucionalización y plena puesta en marcha del Sistema Nacional de Desarrollo e Inclusión Social (Sinadis), entendido como el espacio de articulación intersectorial e intergubernamental de políticas sociales orientadas al logro de los objetivos de desarrollo humano y social en la población en situación de pobreza y vulnerabilidad. A partir de un análisis de oportunidades y restricciones se propone institucionalizar el Sinadis, desde un enfoque territorial, armonizando las dimensiones normativas, presupuestales y operativas vinculadas a los cinco ejes de política de la Estrategia Nacional de Desarrollo e Inclusión Social “Incluir para Crecer”. La propuesta sugiere recoger, en simultáneo, los avances de los ejes de nutrición, desarrollo infantil temprano e inclusión económica de la Estrategia, y a la vez impulsar los ejes de desarrollo integral de la niñez y la adolescencia y protección del adulto mayor. Se agradece a las instituciones que han hecho posible este esfuerzo. Colaboradores: Banco Mundial, Centro Interamericano de Administraciones Tributarias (CIAT), Instituto de Estudios Peruanos (IEP), Proyecto Capital. Auspiciadores: Banco de Desarrollo de América Latina (CAF), Banco Interamericano de Desarrollo (BID), Centro Internacional de Investigaciones para el Desarrollo (IDRC, por sus siglas en inglés), Cooperación Alemana implementada por GIZ, Cooperación Belga al Desarrollo, Embajada Británica, Fondo Mundial para la Naturaleza (WWF), Global Affairs Canada (GAC), Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). Aliados: Acuerdo Nacional, Centro Nacional de Planeamiento Estratégico (Ceplan), Consejo de la Prensa Peruana, Jurado Nacional de Elecciones (JNE), Mesa de Concertación para la Lucha contra la Pobreza, Instituto Nacional Demócrata (NDI, por sus siglas en inglés), ONU Mujeres, ProGobernabilidad Canadá.
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 | 0.018 | 0.030 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.009 | 0.007 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.015 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".