En un pueblo obrero : de la privatización al corporativismo

Jorge Durand (1983, [Tesis de maestría])

El presente trabajo como inscrito dentro del proyecto de investigación sobre el desarrollo industrial en Jalisco, pretendía cubrir dos necesidades: avanzar en el conocimiento del proceso de desarrollo industrial de Jalisco desde la perspectiva de la rama textil y a su vez conocer el proceso de formación en consolidación de ese sector de la clase obrera jalisciense. La industria textil mexicana parecería haber sido uno de los ámbitos en que mejor se desarrolló el modelo de “Colonia industrial” que tendrías origen en Inglaterra del siglo pasado, pero que sin embargo no ha sido estudiada como tal. Sobre las formación y consolidación de la clase obrera nos interesaba trazar los orígenes y el proceso de formación de sus organizaciones, sus luchas, demandas, reivindicaciones, en suma, cómo se había constituido y conformado el proletariado textil jalisciense. Investigación tuvo como escenario y marco de análisis la fábrica Río Grande, ubicada en el municipio de El salto, Jalisco. El caso ofrecía la posibilidad de rastrear lo que había sido la colonia industrial y de seguir desde cerca un proceso de formación, consolidación y corporatización sufrido por ese sector de la clase obrera.

Desarrollo Industrial -- Jalisco Industria Textil -- Jalisco Desarrollo Económico -- México Trabajo y Trabajadores -- México HUMANIDADES Y CIENCIAS DE LA CONDUCTA ANTROPOLOGÍA ANTROPOLOGÍA

A Comparison of Multi-Label Text Classification Models in Research Articles Labeled With Sustainable Development Goals

Roberto Carlos Morales-Hernández Joaquín Gutiérrez Jaguey David Becerra-Alonso (2022, [Artículo])

"The classification of scientific articles aligned to Sustainable Development Goals is crucial for research institutions and universities when assessing their influence in these areas. Machine learning enables the implementation of massive text data classification tasks. The objective of this study is to apply Natural Language Processing techniques to articles from peer-reviewed journals to facilitate their classification according to the 17 Sustainable Development Goals of the 2030 Agenda. This article compares the performance of multi-label text classification models based on a proposed framework with datasets of different characteristics. The results show that the combination of Label Powerset (a transformation method) with Support Vector Machine (a classification algorithm) can achieve an accuracy of up to 87% for an imbalanced dataset, 83% for a dataset with the same number of instances per label, and even 91% for a multiclass dataset."

Classification algorithm, multi-label text classification, problem transformation method, scientific articles, sustainable development goals, text classification INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES LENGUAJES ALGORÍTMICOS LENGUAJES ALGORÍTMICOS