La ejecución de las sentencias en procesos de alimentos, en el Octavo Juzgado de Paz Letrado de Lima
Bibliographic record
Abstract
En la presente tesis se ha tenido como objetivo general, demostrar si las sentencias logran ejecutarse de manera favorable al demandante, en procesos de Alimentos, en el Octavo Juzgado de Paz Letrado de Lima, en el año 2015, por ello se ha tomado población del desarrollo de la tesis a las sentencias de procesos de alimentos del Octavo Juzgado de Paz Letrado de Lima que fueron dictadas en el año 2015, así como se tomó una muestra de dos sentencias ejecutoriadas de proceso de alimentos del Octavo Juzgado de Paz Letrado de Lima en el año 2015. Asimismo, ha sido una tesis con enfoque cualitativo, con un tipo de estudio: en concordancia a la técnica de contrastación es orientado a la comprensión y en concordancia al fin que se persigue básica o pura, con un diseño de estudio fenomenológico y un nivel o alcance de investigación descriptiva. Las técnicas de recolección de datos fueron, la entrevista aplicada a dos jueces titulares de los Juzgados de Paz Letrado de Lima y el análisis documental de tres sentencias referente a la pensión de alimentos y los instrumentos de recolección de datos fueron las guías de entrevistas y la ficha de análisis documental. La conclusión de la presente tesis es que la efectividad de la ejecución de las sentencias en los procesos de Alimentos tiene un nivel muy bajo puesto que el tiempo de duración que toma desde que se inicia la demanda hasta llegar a la etapa ejecutiva, no logra satisfacer el fin de los justiciables.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".