La imagen y la narrativa como herramientas para el abordaje psicosocial en escenarios de violencia. Departamento de Antioquia, Colombia y la ciudad de Mississauga, Canadá
Bibliographic record
Abstract
El documento a continuación presenta una revisión a partir de escenarios de violencia, donde mediante el enfoque narrativo en la psicología encontraremos dos casos de estudio. El primero, relacionado con historias de exilio y retorno que se dan a partir del análisis de relatos para el abordaje de subjetividades inmersas en contextos de violencia de quienes han podido resignificar sus historias de vida, luego de haber experimentado diversos flagelos de violencia, que han servido de aporte desde diferentes coyunturas para reconocer, desde una mirada biopsicosocial y cultural, el impacto que acarrea la violencia en el individuo y los recursos de afrontamiento individual y colectivos que emergen de dichas experiencias. En el segundo caso llamado “Masacre en El Salado, relatos de resiliencia después de 20 años”, se presenta un análisis y una propuesta de tres estrategias de abordaje desde lo psicosocial, teniendo en cuenta los emergentes psicosociales sociohistóricos y bio-psico-socioculturales que desencadenaron impactos positivos y dolorosos en la comunidad y cómo estos permitieron el empoderamiento comunitario, para reinventarse y aportar a la construcción del tejido social. Finalmente, se presenta un video sobre el trabajo realizado con la herramienta foto voz que da cuenta del análisis con respecto a diferentes escenarios de violencia que han afectado tanto a Colombia como a Canadá, y cómo las comunidades han encontrado en la resistencia civil y en el arte, una forma de construir la paz.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.018 | 0.011 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".