MétaCan
Menu
Retour à la cohorte
Enregistrement W2469509236 · doi:10.1080/19460171.2015.1102750

Illicit food: Canadian food safety regulation and informal food economy

2015· article· en· W2469509236 sur OpenAlexafffundabout
Irena Knežević

Notice bibliographique

RevueCritical Policy Studies · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Safety and Hygiene
Établissements canadiensCarleton University
Organismes subventionnairesNova Scotia Health Research FoundationPublic Health Agency of Canada
Mots-clésFood safetyFood insecurityFood systemsFood securityPolitical scienceBusinessPolitical economyEconomicsAgricultureFood scienceGeography

Résumé

récupéré en direct d'OpenAlex

Food economies that take place informally or ‘under the table’ can offer interesting insights into relationships that people have with their food, and with social and institutional frameworks that shape their food systems. Relying on data from 14 in-depth interviews conducted in Nova Scotia in 2013, this paper interrogates the tensions between everyday eating practices and food safety regulations. Specifically, I examine how informal economic activities related to food expose some of the (perceived) shortcomings of those regulations. The stories that the participants shared offer a glimpse into the world of meaning attached to a range of practices that exist on the margins of contemporary food and public health systems. These stories and the associated practices challenge current regulatory policies as scale-inappropriate, and criticize the industrial food system as inadequate for meeting the needs of contemporary eaters. My analysis offers a cultural studies perspective on food safety regulation and on ideological resistance embedded in informal food economies. I illustrate this with a specific example of raw milk to further probe how people engage with their food and how they navigate through the world of food safety – and more generally public health – regulations.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,719

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0160,008
Communication savante0,0050,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
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 Opus0,080
Tête enseignante GPT0,288
Écart entre enseignants0,208 · 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

Citations8
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCritical Policy StudiesMême sujetFood Safety and HygieneTravaux en français237 207