Identificar los factores de éxito en una toma de decisión participativa. A case study. Bagnoli: a difficult transition
Bibliographic record
Abstract
El método DEMIT (Desarrollo Energético por Modelización e Inteligencia Territorial) ha sido presentado en Canadá, Francia y Argentina (Moncton, Gatineau, Corse, Rouen y La Plata) en el marco de diferentes conferencias (Euro Working Group in multicriteria decision aid e Inteligencia Territorial). Este enfoque propone utilizar dos métodos multicriterio - ADMC y SIG - que, organizados en módulos, interactúan con el conocimiento - científico y vernáculo - y con momentos específicos de participación. En esta ocasión proponemos una conferencia basada en el análisis de las condiciones exitosas de una toma de decisión participativa gracias a la utilización de DEMIT. De acuerdo con diferentes autores (Lerner y Secondo, 2012; Avritzer 2002; Stanfield, 2000; Sintomer y al., 2012) existen condiciones necesarias a la construcción de dicho tipo de decisión y que responden a la presencia de los espacios físico, intelectual, emocional y procesal. Un análisis FODA (Fortaliza, Oportunidad, Debilidad, Amenaza) permitirá verificar si DEMIT lograr construir esos cuatro espacios. Para realizar el análisis FODA primero se diseñó una matriz, en la cual se analizan los dos módulos (ADMC y SIG) y las etapas correspondientes: información geográfica, soporte informático, obtención de datos, concepción de escenarios y mapas, definición del problema, definición de elementos conflictivos y su estructuración, selección de criterios e indicadores, ponderación de criterios, selección de escalas de evaluación, matriz de evaluación, análisis de preferencia y decisión, principalmente. El análisis se realizó gracias a la colaboración de expertos en cada módulo (ADMC y SIG) y se contabilizaron 230 factores entre los que se encuentran 144 correspondientes al ambiente interno y 86 correspondientes al ambiente externo. Los resultados (gráfica 1) permiten observar que las fuerzas son superiores a las debilidades con una diferencia de 88 unidades. De manera global, se identifica que las fuerzas de DEMIT son significativas. Las amenazas se presentan sobre todo en el módulo SIG. En el módulo AMDC, por ejemplo, las fuerzas se concentran en la comunicación, el debate y la clarificación de ideas, en la formulación del problema, en la identificación de bloqueos, en la implicación de los actores, en la interrelación entre el conocimiento científico y el conocimiento local o en el reconocimiento de las dimensiones ambientales, sociales y económicas del proyecto. Durante la conferencia se explicará más detalladamente el análisis FODA realizado, y este resumen podrá ser complementado y mejorado después de su aceptación.
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 | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".