Mujer y delito : una mirada desde el trabajo social
Bibliographic record
Abstract
Desde el momento en que elegí estudiar la Licenciatura en Trabajo Social sabia que quería conocer más sobre lo que sucede al interior de las cárceles, en relación a la institución y a los actores que forman parte de ella. Fue de esta manera que a medida que avanzaba en la carrera me iba introduciendo más en el conocimiento de este campo de intervención. Llego el momento de elegir donde realizar mis practicas preprofesionales y ahí fui, a la Unidad Penal Nº 11 de Piñero. En esa Unidad estuve un año y medio y por cuestiones ligadas a otras materias debí retrasar mi continuidad. Al año siguiente me toco nuevamente elegir y en esa oportunidad fue que lo hice por la Unidad de Recuperación de mujeres Nº 5. Es ahí cuando me surgieron varias inquietudes en relación a cómo iba a ser mi proceso de inserción en la misma. Todo rondaba en relación a las cuestiones de género, como me iban a recibir, que les iba a poder aportar, que me aportarían las mujeres y la institución también. Era un camino distinto y largo, pero interesante a construir en conjunto. Esta tesina surge de ese proceso de inserción, en donde además de haber comprendido muchas cuestiones relacionadas a estas mujeres, me surgieron interrogantes los cuales con el tiempo se transformaron en objetivos de este trabajo. Mi intención es visibilizar esta problemática que atraviesa a toda la sociedad en su conjunto
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 | 0.008 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.019 | 0.048 |
| Scholarly communication | 0.015 | 0.010 |
| Open science | 0.002 | 0.013 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.010 | 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".