Good food, good people: Understanding the cultural repertoire of ethical eating
Notice bibliographique
Résumé
Ethical consumption is understood by scholars as a key way that individuals can address social and ecological problems. While a hopeful trend, it raises the question of whether ethical consumption is primarily an elite social practice, especially since niche markets for ethical food products (for example, organics, fair trade) are thought to attract wealthy, educated consumers. Scholars do not fully understand the extent to which privileged populations think about food ethics in everyday shopping, or how groups with limited resources conceptualize ethical consumption. To address these knowledge gaps, the first goal of this paper is to better understand how consumers from different class backgrounds understand ethical eating and work these ideas into everyday food practices. We draw from 40 in-depth interviews with 20 families in two Toronto neighborhoods. Our second goal is to investigate which participants have privileged access to ethical eating, and which participants appear relatively marginalized. Drawing conceptually from cultural sociology, we explore how ethical eating constitutes a cultural repertoire shaped by factors such as class and ethno-cultural background, and how symbolic boundaries are drawn through eating practices. We find that privilege does appear to facilitate access to dominant ethical eating repertoires, and that environmental considerations figure strongly in these repertoires. While low income and racialized communities draw less on dominant ethical eating repertoires, their eating practices are by no means amoral; we document creative adaptations of dominant ethical eating repertoires to fit low income circumstances, as well as the use of different cultural frameworks to address moral issues around eating.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».