La integridad pública en España: un estudio de los portales web municipales. El impacto de la Comunidad Autónoma, el tamaño del municipio y el género del alcalde
Bibliographic record
Abstract
Recientes estudios demuestran la desconfianza de los españoles hacia las instituciones públicas (Transparencia Internacional, 2024). Una de las causas radica en la percepción de falta de integridad pública (Centro de Investigaciones Sociológicas, 2024). Este artículo examina la información expuesta en los portales web de los ayuntamientos de cinco comunidades autónomas (Cataluña, Comunidad de Madrid, Comunitat Valenciana, Islas Baleares y Región de Murcia) y evalúa el grado de cumplimiento de los indicadores del Mapa Infoparticipa, relacionados con la integridad pública (12 de 52). Se ha llevado a cabo un análisis de contenido categórico, basado en los indicadores Infoparticipa y dos modelos de regresión lineal múltiple por mínimos cuadrados ordinarios. Atendiendo a estudios previos (Juaristi y Alonso, 2024; Paricio et al., 2023). Cabe esperar un mayor cumplimiento en los municipios gobernados por alcaldesas, con mayor población, dado que sus administraciones cuentan con más recursos para lograrlo, así como en aquellas comunidades autónomas con mayor trayectoria tanto en legislación autonómica propia en materia de transparencia, como en la implementación de la metodología Infoparticipa. Los resultados muestran que tanto el género del alcalde, como el tamaño de la población y las comunidades autónomas son determinantes en el cumplimiento de aquellos indicadores relacionados con la integridad pública.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".