Marketing y digitalización de las administraciones públicas: Barcelona, Londres, Toronto
Bibliographic record
Abstract
En un mundo tan “tecnoglobalizado” como el que vivimos, las principales ciudades europeas se encuentran en una etapa de transición: de ser simples grandes ciudades aspiran a convertirse en grandes ciudades inteligentes e interconectadas. Sin embargo, para cumplir con este propósito y ser reconocidas como tales a nivel mundial, necesitan de otro elemento que hoy en día resulta indispensable: el marketing. \nPara poder comprender todo este proceso con más detalle, partimos de la siguiente premisa: las Administraciones públicas son el cerebro de las ciudades. A partir de lo cual se debe profundizar y responder a los interrogantes: ¿Es el cerebro de mi ciudad inteligente? ¿Cómo sé si esto puede ser beneficioso para mi ciudad? Este trabajo de fin de grado tiene como principal objetivo analizar en qué medida se están digitalizando las Administraciones públicas, las repercusiones que dicha digitalización genera en los ciudadanos y cómo se aprovecha, mediante el marketing, para impulsar el desarrollo socioeconómico y la promoción internacional de las ciudades. \nTodo ello se concretará analizando el potencial que representan tres ciudades líderes internacionalmente en el ámbito de las denominadas “ciudades inteligentes”: Barcelona, cosmopolita e innovadora; Londres, actualmente la ciudad más inteligente del mundo; y Toronto, pionera de una forma distinta a las demás, presentando una propuesta disruptiva en la que se exponen los beneficios que tendrá, tanto a nivel nacional como regional, un proyecto de ciudad que tiene como pilar la digitalización en la creación de nuevos barrios residenciales.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.005 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.041 | 0.006 |
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".