Tendencias de investigación de los trabajos de titulación en la escuela de medicina de la facultad de ciencias médicas universidad de Cuenca 2007-2012
Bibliographic record
Abstract
Antecedentes: La investigación es un logro y una necesidad, por lo que las instituciones educativas deberían incentivar el desarrollo y avance investigativo para contribuir al conglomerado científico; este trabajo tiene la finalidad de conocer sus tendencias y establecer una línea de base para futuras investigaciones. \n \nObjetivo: Determinar tendencias de la investigación de los trabajos de titulación en la Escuela de Medicina en la Facultad de Ciencias Médicas en la Universidad de Cuenca. \n \nMetodología: Estudio descriptivo cuantitativo observacional, se revisaron los trabajos de investigación presentados del pregrado de la Escuela de Medicina de la Universidad de Cuenca del 2007-2012, aplicamos criterios de inclusión, recogimos los datos mediante un formulario; se validó la información, se procesaron y tabularon los datos en SPSS. El análisis de datos se lo realizó mediante estadística descriptiva y se presentaron los resultados. \n \nResultados: Se identificaron 298 trabajos de titulación, la mayor producción fue en 2009 con el 30,2%l; el 60,7% fue por 3 autores. El principal lugar de investigación fue el Hospital con el 47%; las investigaciones cuantitativas representan 97,7%. El 98,7% de los casos son observacionales; los estudios descriptivos representaron el 81,44%; los trabajos relacionados con especialidades representaron el 44% y el 99,3% de los trabajos cumplen las normas de Vancouver. \n \nConclusiones: De los trabajos de titulación en la Escuela de Medicina la mayoría son descriptivos, restando calidad a las tesis de pregrado y condiciona la falta de producción y publicación de estudios a nivel nacional e internacional. \n \nPALABRAS CLAVE: INVESTIGACIÓN, DISEÑO, ANALÍTICO, DESCRIPTIVO, NORMA
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 | 0.016 | 0.065 |
| 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 | 0.005 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".