Papel de la MAPP/OEA en la reivindicación psicosocial de victimas militares por MAP: Caso Taraza (2010-2018)
Bibliographic record
Abstract
En Colombia, durante los últimos años ha existido una pugna de intereses frente al tratamiento de los actores del conflicto armado, lo que ha situado a cada actor en un papel y reconocimiento diferente. Por ejemplo, las Fuerzas Militares son concebidas como el soporte de libertad, en ejercicio del mandato constitucional; a diferencia de los grupos militares armados al margen de la ley, que reciben el reconocimiento político y la institucionalización del concepto de conflicto armado, lo que además le otorga legitimidad después de la firma del proceso de paz. \nPor este motivo, las organizaciones de acompañamiento en el proceso de paz (MAPP/OEA) tienen un tratamiento diferente respecto al papel que ocupan las Fuerzas Militares en un proceso de justicia, verdad y reparación, más aún con respecto a las víctimas militares de los grupos armados al margen de la ley. Esta situación, hace necesario construir a través del presente documento, una identificación de las variables que utilizan dichas organizaciones para realizar la labor psicosocial con las Fuerzas Militares y su victimización, como actores directos del conflicto durante las últimas cinco décadas. \nEl departamento de Antioquia tiene el número más elevado de víctimas de “mina antipersonal”, en todo el territorio colombiano. Los municipios que resaltan según Caracol (2017) en los testimonios de diferentes actores armados implicados son: Dabeiba, Ituango, Tarazá y Cáceres; sin embargo, el municipio de Tazará es el mayor afectado. Siendo así, es indudable la necesidad de reconocer el rol que cumple el Ejército Nacional como constructor, labrador y posibilitador de cimentación de la paz, pero también de crear una conciencia colectiva que les otorgue el papel de víctimas del conflicto armado a quien, según sus condiciones, lo merezca.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".