El mapa de las víctimas. Pertinencia de los mapas cognitivos compuestos en el análisis de la situación delictual a partir de un pequeño territorio
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Resumen Se pondera el uso de Mapas Cognitivos Compuestos (MCC) como herramienta criminométrica en comparación con lasdenuncias administrativas y reportes policiale. Se aplicaron los MCC en el sub-circuito policial de la Playa el Murciélago del cantón Manta como ejemplo de un pequeño territorio según los datos por denuncias y reportes policiales del DAID (Departamento de Análisis e Información del Delito, adscrita a la Policía Nacional del Ecuador). Se demostró la pertinencia del instrumento como herramienta de medición del delito, y se discuten los beneficios que aporta a la policía de proximidad y a la sociedad en general. Se encontró que, a través de esta herramienta, se reconocen tipos de delitos ocultos a la estadística policial y prosecutorial, dinámicas espaciales del delito, como, problemas de defensibilidad así como coincidencias en la detección de situaciones y oportunidades delictivas que confirman, mejoran y sobre todo, trascienden el relato policial. Las políticas aplicadas desde el instrumento tuvieron un claro impacto positivo en la reducción y/o percepción del delito para el territorio, medible por denuncias administrativas y reportes policiales antes y después de la implementación de las políticas asociables al instrumento.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.006 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.005 | 0.002 |
| Research integrity | 0.001 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 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 it