Bibliographic record
Abstract
RESUMEN: Soy una apasionada tanto de las relaciones con la gente como de la comida y me encanta la mezcla que esto forma. Una mesa repleta de comida y bebida y llena de gente es una de las mejores estampas que podemos apreciar en la sociedad, y nos hemos dado cuenta. Es por esto básicamente por lo que existe el turismo Enogastronómico, y muchas personas disfrutan de él. \nPienso que nuestra comunidad tiene muy buenos recursos en este campo y que no se encuentran lo bastante desarrollados para atraer al máximo número de personas posibles. Tenemos que centrar parte de nuestros recursos y planes turísticos en desarrollar este tipo de turismo en Cantabria, que la gente sepa que puedes disfrutar de nuestros vinos más ricos y nuestra comida de la tierra en conjunto y acompañado de tus seres queridos, o de cualquier persona. Es decir, existe un producto turístico sin explotar que puede llamar a mucha gente, a sectores turísticos nuevos y no nos damos cuenta. \nEsto se relaciona bastante con el nuevo movimiento que está llamando la atención cada vez más, el “Slow Food”. Este nace en Italia y con él se trata de salvaguardar las tradiciones gastronómicas regionales, con sus productos y métodos de cultivo. El símbolo de este movimiento es un caracol, el cual simboliza que este tipo de comida se hace con paciencia y lentamente, convirtiéndose en un producto de proximidad. \nCon este trabajo quiero hacer una demostración de un maridaje y menú degustación con productos de nuestra tierra, en el que se puede comprobar ese efecto que hace en las personas y más cuando se conoce un sitio nuevo. \nResulta difícil muchas veces encontrar un lugar en el que podamos disfrutar de una comida típica de la zona artesanal, existen muchos que se intentan imitar, pero habría que darles una oportunidad a los productos locales y aquellas personas que tratan de sacarlos adelante.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.259 | 0.099 |
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".