Competencias investigativas y desarrollo de trabajos de investigación en la Escuela de Posgrado de la Universidad Nacional Hermilio Valdizán
Bibliographic record
Abstract
La presente investigación titulada “COMPETENCIAS INVESTIGATIVAS Y DESARROLLO DE TRABAJOS DE INVESTIGACIÓN EN LA ESCUELA DE POSTGRADO DE LA UNIVERSIDAD NACIONAL HERMILIO VALDIZAN”, fue diseñado bajo la metodología de tipo aplicada, el nivel utilizado fue explicativa y un diseño no experimental observacional, la población estuvo conformada por 463 maestrantes de la escuela de posgrado Unheval matriculados en el año 2020 II, para la obtención de la muestra fue sometida a un muestreo no probabilístico, obteniendo una cantidad de 58 maestrantes, para la selección y recolección de los datos se manejaron dos cuestionarios los cuales fueron validados por juicio de expertos y mediante la confiabilización del Alpha de Crobach, el tratamiento estadístico se hizo con el programa SPSS versión 25 mostrando lo siguiente: que el 91,9% de los maestristas manifestaron que no conocen adecuadamente los procesos de la investigación científica, no entienden los elementos del diseño metodológico de la investigación (método, nivel, tipo, diseño, población, muestra), no saben las normas de redacción científica (Vancouver, APA, ISO, etc.) y como trabajan no disponen de mucho tiempo para que desarrollen adecuadamente sus trabajos investigativos esto conlleva a que no se sientan motivados para elaborar correctamente sus investigaciones. Viéndose reflejado en estadísticamente por la Chi-cuadrado de Pearson de 38,741 y con un nivel de significancia de 0,000 menor que 0,05 (P-valúe) siendo significativa la asociación, aceptando la hipótesis alternativa.
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 | 0.019 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".