MétaCan
Menu
Retour à la cohorte
Enregistrement W2015867496 · doi:10.3390/soc4030463

Social Networks as a Coping Strategy for Food Insecurity and Hunger for Young Aboriginal and Canadian Children

2014· article· en· W2015867496 sur OpenAlexaffabout
Benita Y. Tam, Leanne Findlay, Dafna Kohen

Notice bibliographique

RevueSocieties · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensStatistics Canada
Organismes subventionnairesnon disponible
Mots-clésFood insecurityCoping (psychology)Environmental healthPsychologyFood securityGeographyMedicinePsychiatryAgriculture

Résumé

récupéré en direct d'OpenAlex

Traditional foods and food sharing are important components of Aboriginal culture, helping to create, maintain, and reinforce social bonds. However, limitations in food access and availability may have contributed to food insecurity among Aboriginal people. The present article takes a closer examination of coping strategies among food insecure households in urban and rural settings in Canada. This includes a comparative analysis of the role of social networks, institutional resources, and diet modifications as strategies to compensate for parent-reported child hunger using national sources of data including the Aboriginal Children’s Survey and the National Longitudinal Survey of Children and Youth. Descriptive statistical analyses revealed that a majority of food insecure urban and rural Inuit, Métis, and off-reserve First Nations children and rural Canadian children coped with hunger through social support, while a majority of urban food insecure Canadian children coped with hunger through a reduction in food consumption. Seeking institutional assistance was not a common means of dealing with child hunger, though there were significant urban-rural differences. Food sharing practices, in particular, may be a sustainable reported mechanism for coping with hunger as such practices tend to be rooted in cultural and social customs among Aboriginal and rural populations.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,233
Score d'incertitude au seuil0,470

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,096
Tête enseignante GPT0,437
Écart entre enseignants0,341 · 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'étudeQualitatif
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

Citations22
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocietiesMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207