Diagnóstico profesional veterinario en las áreas rurales de los cantones Paute, Guachapala, El Pan y Sevilla de Oro
Bibliographic record
Abstract
La investigación tuvo como propósito general elaborar un diagnóstico que nos permita conocer la situación profesional de los médicos veterinarios en las áreas rurales de los cantones mencionados desde el punto de vista de las personas que habitan en estos lugares. Al realizar el análisis estadístico del comportamiento de las variables, se estableció que la presencia del profesional en las áreas rurales de los cantones estudiados, es independiente, ya que el tiempo de llegada al lugar requerido, no se relaciona con la presencia o ausencia del Médico Veterinario Zootecnista en estas zonas, por lo tanto los requerimientos de servicios profesionales veterinarios son suficientes y adecuados; sin embargo no existe el conocimiento suficiente de la población rural sobre los campos de acción del médico veterinario zootecnista ya que generalmente, se cree que su participación se centra en el tratamiento de animales enfermos desconociendo que un profesional de esta rama, está preparado para prestar asesoramiento y asistencia técnica en todas las áreas y especies animales igualmente está preparado para el desempeño de otras actividades como intervenciones quirúrgicas y clínica en general, consecuencia de la poca información divulgativa que proporcionan los centros de educación superior que ofertan la carrera de Medicina Veterinaria y Zootecnia
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".