Calidad de los trabajos de investigación que se realizan para optar el título de especialista en Medicina Humana de la U.N.M.S.M. en el periodo 2000-2004
Bibliographic record
Abstract
Problema: Para optar el título de especialista en Medicina Humana en la UNMSM es obligatorio elaborar un trabajo de investigación, por ello del 2000 al 2004, se tiene registrado 1137 trabajos, sin embargo no se conoce con que calidad se vienen realizando. Quedando registrados y archivados en las bibliotecas universitarias como material de consulta, sin oportunidad de difundirse o publicarse, perdiéndose un importante aporte científico de la Universidad a la comunidad médica y a la sociedad. \nObjetivo: Determinar la calidad de los trabajos de investigación que se realizan para optar el título de especialista, en la Facultad de Medicina Humana de la UNMSM en el período 2000 – 2004.\nMetodología: Estudio descriptivo, retrospectivo, evaluativo y transversal, con una muestra probabilística de 310 trabajos de investigación, a través de un muestreo aleatorio sistemático. Los datos se recolectaron en una ficha validada, que evalúa 4 indicadores en 100 puntos: rigor metodológico (elaborado sobre la base de la guía de evaluación de trabajos completos para estudios de investigación cuantitativa 2004 y las normas de Vancouver); relevancia social en los aspectos de investigación aplicada y pertinencia social; nota asignada por el comité de especialidad; y la indización del trabajo. De acuerdo al puntaje obtenido se evaluó la calidad en 3 categorías. Los datos se analizaron con el programa estadístico SPSS v 11.0 para Windows en español.
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 | 0.028 | 0.056 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".