MétaCan
Menu
← Retour à la cohorte
Enregistrement W1815567788 · doi:10.3390/su71014112

Do Dietary Changes Increase the Propensity of Food Riots? An Exploratory Study of Changing Consumption Patterns and the Inclination to Engage in Food-Related Protests

2015· article· en· W1815567788 sur OpenAlexafffund
Alexander Legwegoh, Evan Fraser, Krishna Bahadur KC, Philip Antwi‐Agyei

Notice bibliographique

RevueSustainability · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensUniversity of Guelph
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanada Research Chairs
Mots-clésFood pricesContext (archaeology)Consumption (sociology)UnrestPoliticsDemographic economicsDevelopment economicsEconomicsPolitical scienceFood securityGeographySociologyAgriculture

Résumé

récupéré en direct d'OpenAlex

Following widespread food riots in 2008, many people argued that high food prices cause political instability and civil unrest in the form of food riots. However, subsequent research has demonstrated that political, cultural, and economic factors confound the impact of price in determining whether a food riot occurs. This paper contributes to this growing body of literature by exploring: (1) the relationship between household demographic characteristics and reported intent to riot due to future food price rises; and (2) the relationships between people’s diets and their reported intent to riot due to future food price rises. We hypothesize that local context, including demographic factors and dietary patterns, combine to predispose some groups of people to riot when food prices rise. This hypothesis is tested using household surveys (N = 300) and three focus groups discussions (N = 65) carried out in three cities in the Central African nation of Cameroon that experienced widespread food riots in 2008. Results show that some 70% of the respondents would riot if food prices went up. Also, in the event of food price rises: (1) households in Cameroon’s major cities are more likely to riot than the citizens of smaller cities; (2) Households with relatively higher educational level, high incomes, are less likely to riot. Finally, the relationship between dietary patterns and propensity to riot is not straightforward as changes in consumption of different food groups influence propensity to riot in different ways. Overall, this paper demonstrates that preemptive strategies designed to avoid future food riots in Cameroon must take into consideration these spatial, demographic, and dietary factors.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,066
Tête enseignante GPT0,269
Écart entre enseignants0,203 · 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

Citations6
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainability→Même sujetMarket Dynamics and Volatility→Travaux en français237 207→