Manejo costero integrado y desarrollo sostenible en zonas costeras. El caso del programa de manejo de recursos costeros del Ecuador en el Golfo de Guayaquil
Bibliographic record
Abstract
La investigación se asienta en el debate académico del desarrollo sostenible, con énfasis en el análisis de la importancia de los ecosistemas costeros en la reproducción de ciclos ecológicos y de servicios ambientales, así como, en las presiones que sufren debido al desarrollo de actividades que surgen de la propia explotación de los recursos naturales, como la pesca, acuicultura y turismo; y de otro tipo de actividades que tienen su afectación en los manglares, aguas de los estuarios, golfos y bahías. La investigación contextualiza y aborda la problemática del modelo llamado “Manejo Costero Integrado”, el cual es expuesto como una iniciativa de fortalecimiento institucional, tanto formal como informal, la cual procura hacer frente a las externalidades que soporta el ambiente costero. En este sentido, la tesis profundiza en el estudio del caso ecuatoriano analizando el “Programa de Manejo de Recursos Costeros del Ecuador”, que es una de las experiencias más desarrolladas en la región y que empezó en la década de los ochentas. Como parte de la investigación, también se hace un estudio empírico de las fortalezas y debilidades de la institucionalidad que se ha ido creando a través del Programa, para lo cual se aplicó una encuesta a los municipios ubicados a lo largo del golfo de Guayaquil.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.000 |
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".