Evaluación de la rentabilidad social de la carretera de penetración Paita - Piura - Sullana - Puente Macará : influencia del medio socio económico
Bibliographic record
Abstract
Actualmente en el país las evaluaciones de la rentabilidad social de los proyectos de construcción de carreteras de penetración se realizan mediante los alcances que brinda el Sistema Nacional de Inversión Pública SNIP. Si bien considera aspectos de producción agropecuarias, la evaluación se centra a los aspectos económicos, postergando aspectos sociales de interés nacional. En el presente informe de suficiencia se analizará la influencia· del medio socioeconómico, en la evaluación de la rentabilidad social de la carretera de penetración Paita - Piura - Sullana - Puente Macará. Para tal fin se usará una metodología que consiste en la utilización de una escala de valoración cualitativa de los indicadores del medio socioeconómico, que Je previamente han sido identificados y seleccionados. La presentación de los resultados será de carácter sencillo, es decir, muy gráfica y fácil de comprender, para ello se utilizarán los mapas temáticos. Dichos mapas temáticos han sido elaborados con el software ArcGIS. La influencia del medio socioeconómico en la rentabilidad social de carretera de penetración Paita - Piura - Sullana - Puente Macará, según una valoración cualitativa y considerando la influencia de la densidad poblacional, tasa de natalidad, cobertura de servicios de educación y cobertura de servicios públicos; es alta en el distrito de Piura. La valoración cualitativa es media en los distritos de Paita, Sullana y Suyo. La valoración cualitativa es baja en los distritos de La Huaca, Miguel Checa, Tambogrande y Las Lomas.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".