Sustainability and public health nutrition at school: assessing the integration of healthy and environmentally sustainable food initiatives in Vancouver schools
Notice bibliographique
Résumé
OBJECTIVE: To describe the development and application of the School Food Environment Assessment Tools and a novel scoring system to assess the integration of healthy and environmentally sustainable food initiatives in elementary and secondary schools. DESIGN: The cross-sectional study included direct observations of physical food environments and interviews with key school personnel regarding food-related programmes and policies. A five-point scoring system was then developed to assess actions across six domains: (i) food gardens; (ii) composting systems; (iii) food preparation activities; (iv) food-related teaching and learning activities; and availability of (v) healthy food; and (vi) environmentally sustainable food. SETTING: Vancouver, Canada. SUBJECTS: A purposive sample of public schools (n 33) from all six sectors of the Vancouver Board of Education. RESULTS: Schools scored highest in the areas of food garden and compost system development and use. Regular integration of food-related teaching and learning activities and hands-on food preparation experiences were also commonly reported. Most schools demonstrated rudimentary efforts to make healthy and environmentally sustainable food choices available, but in general scored lowest on these two domains. Moreover, no schools reported widespread initiatives fully supporting availability or integration of healthy or environmentally sustainable foods across campus. CONCLUSIONS: More work is needed in all areas to fully integrate programmes and policies that support healthy, environmentally sustainable food systems in Vancouver schools. The assessment tools and proposed indicators offer a practical approach for researchers, policy makers and school stakeholders to assess school food system environments, identify priority areas for intervention and track relevant changes over time.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».