Marco conceptual de la reputación. Implicaciones para el gobierno universitario
Bibliographic record
Abstract
En las últimas décadas la reputación de las universidades se ha convertido en un tema de \ncreciente interés para académicos y dirigentes universitarios. Numerosos congresos y \nencuentros profesionales han debatido sobre la reputación para tratar de definir su \nsignificado, identificar sus límites y evaluar las consecuencias para el sector universitario. Este \natractivo camina paralelo con una progresiva producción científica que, si bien es aún escasa, \npromete avanzar en el desarrollo conceptual de la reputación desde una perspectiva \nprofunda y multidisciplinar. \nEn opinión de los expertos, la reputación es la suma de las percepciones que sobre una \ninstitución tienen todos sus grupos de interés. En la práctica, actuaría como un indicador \nsintético de valores intangibles como la confianza, la integridad, la recomendación, la \nlegitimidad y la calidad de una organización. La reputación –sostienen los especialistas– no es \nun activo en poder de la institución, sino una suerte de conocimiento social en virtud del cual \nse concede aceptación o rechazo en función de un supuesto comportamiento. Es, por tanto, \nun recurso estratégico de enorme valor del que nadie quiere –en realidad, nadie puede— \nquedar al margen.
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 | 0.016 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.008 | 0.054 |
| Scholarly communication | 0.019 | 0.021 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.005 | 0.011 |
| Insufficient payload (model declined to judge) | 0.012 | 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".