MétaCan
Menu
Retour à la cohorte
Enregistrement W1548020939 · doi:10.3390/su3050763

Toward Food System Sustainability through School Food System Change: Think&EatGreen@School and the Making of a Community-University Research Alliance

2011· article· en· W1548020939 sur OpenAlexaffabout
Alejandro Rojas, Will Valley, Brent Mansfield, Elena Orrego, Gwen E. Chapman, Yaël Harlap

Notice bibliographique

RevueSustainability · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDiverse Educational Innovations Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAllianceSustainabilityFood systemsSociologyBusinessPolitical sciencePsychologyFood securityEcology

Résumé

récupéré en direct d'OpenAlex

This paper describes the theoretical and conceptual framework and the research and practice model of Think&EatGreen@School, a community-based action research project aiming to foster food citizenship in the City of Vancouver and to develop a model of sustainable institutional food systems in public schools. The authors argue that educational and policy interventions at the school and school board level can drive the goals of food system sustainability, food security, and food sovereignty. The complex relationship between food systems, climate change and environmental degradation require that international initiatives promoting sustainability be vigorously complemented by local multi-stakeholder efforts to preserve or restore the capacity to produce food in a durable manner. As a step towards making the City of Vancouver green, we are currently involved in attempts to transform the food system of the local schools by mobilizing the energy of a transdisciplinary research team of twelve university researchers, over 300 undergraduate and graduate students, and twenty community-based researchers and organizations working on food, public health, environmental and sustainability education.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,046
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0170,041
Communication savante0,0250,011
Science ouverte0,0020,013
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,247
Tête enseignante GPT0,338
Écart entre enseignants0,091 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetDiverse Educational Innovations StudiesTravaux en français237 207