Caracterización del proceso sobre lesiones culposas, en el expediente N°00753-2017-17- 2501-JR-PE-03, cuarto juzgado penal unipersonal, distrito judicial del Santa - Chimbote 2020
Bibliographic record
Abstract
La investigación tuvo como problema: ¿Cuáles son las características del proceso judicial sobre el delito de Lesiones Culposas, del expediente N° 00753-2017- 17-2501- JR-PE-03 tramitado en el Cuarto Juzgado Penal Unipersonal – Chimbote, ¿Distrito Judicial Del Santa- Chimbote 2018 - Perú? El objetivo fue determinar las características del proceso en estudio. En cuanto a la metodología, es de tipo cuantitativo cualitativo (mixto), nivel exploratorio descriptivo, y diseño no experimental, retrospectivo y transversal. La unidad de análisis fue un expediente judicial, seleccionado mediante muestreo por conveniencia; para recolectar los datos se utilizaron las técnicas de la observación y el análisis de contenido; y como instrumento una guía de observación. Los resultados revelaron que Según el análisis en el presente expediente de investigación en estudio N° 00753-2017- 17-2501-JR-PE-03 Sobre el delito de Lesiones Culposas, podemos decir que se concluyó con la efectividad diligente tanto en los sujetos procesales en donde afirmamos que SI se cumplieron los plazos establecidos para el proceso en estudio en todas las fases del proceso común, otro de los puntos analizados en referencia a los medios probatorios en lo cual se evidencio que si hubo pertinencia entre los medios probatorios con las pretensiones planteadas en el proceso en estudio, y que SI guardan relación con la calificación realizada por el delito de Lesiones Culposas.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".