La Asociación Parasitológica Argentina en tiempos de virtualidad : ¿Una oportunidad para repensarnos?
Bibliographic record
Abstract
Desde hace unos meses, y como consecuencia de las medidas sanitarias de aislamiento para prevenir la expansión de la pandemia de COVID-19, fue necesario buscar e implementar estrategias para comunicarnos con nuestros afectos, nuestros colegas y nuestra sociedad. Así, la virtualidad irrumpió en nuestras vidas de una manera inesperadamente potente y, con el paso del tiempo, la estamos naturalizando como la manera de mantenernos comunicados y en sociedad. Desde la Asociación Parasitológica Argentina (APA), la primera respuesta a estos desafíos recientes fue capitalizar los nuevos usos y capacidades. Así, implementamos el ciclo de charlas virtuales “Parasitología en la Nube”, propendiendo a estar cada vez más cerca de una APA inclusiva y participativa. El exitoso desarrollo del ciclo ha propiciado el contacto y la comunicación entre los/las socios/as, así como la promoción y difusión de la parasitología. A su vez, las discusiones e intercambios establecidos entre las/los participantes, pusieron de manifiesto la importancia y la necesidad de profundizar la comunicación entre las y los miembros de nuestra comunidad, en pos de fomentar el espíritu de solidaridad, colaboración y asistencia recíproca. Sin embargo, para establecer estrategias de integración, comunicación y colaboración entre nuestras/ os asociadas/os, se requiere de datos que necesitan ser recabados. En estos tiempos en que la palabra “diagnóstico” ha tomado especial relevancia como primera medida para diseñar y poner en práctica acciones, consideramos imprescindible responder una serie de preguntas sobre nuestra Asociación, su representatividad entre el total de las/los parasitólogas/os del país, su distribución geográfica y disciplinar, el grado de interacción entre socias/os, etc. Por estos motivos, el presente análisis representa un primer paso para conocernos como Asociación y luego repensarnos como comunidad y así contar con herramientas para diseñar, desde la virtualidad, las estrategias necesarias para honrar nuestros fines y objetivos.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".