Bibliographic record
Abstract
Hoy es lunes, tercera semana del mes de septiembre de dos mil once. El frío del viento y ese mínimo rayito de luz que se filtra por la ventana, me hicieron pensar que eran alrededor de las 5 y media de la mañana. Por la ventanita del baño, vi que estaba lloviendo. De pronto, repetí mil veces, “juepuchaaaaa!! , otra vez el pelo con friz’’. Solo veía “el pelo de loca’’ en mi cabeza de primípara, que por supuesto, otros no notarían. Entré a mi cuarto y me vestí. Regresé a la pelea con el espejo… dele y dele con cremas y peinetas. En esas salió mi mamá y me dijo “¿Cuál es tu renegadera ?’’ Al contarle, me respondió con risa que me contaría una historia parecida para mi consuelo. Redondeando el año 1987, no recuerda muy bien mi mami, ella estudiaba Psicología en la Universidad Javeriana de Cali. En “su época”, la apariencia era mucho más importante que ahora y las mujeres siempre competían por estar a la vanguardia de la revista vanity fair. Gracias a la aparición en películas y afiches de taller de mecánica de la actriz hollywoodense Farrah Fawcett, se impuso la moda de “la permanente con el flequillo mono”. Como buenos colombianos que somos, dice mi mamá, se tenía que inventar “la manera criolla” de tener el flequillo y la permanente.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.514 | 0.302 |
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".