Notice bibliographique
Résumé
Northern Manitoban (Canada) communities experience much higher rates of food insecurity than the rest of Manitoba. While the Manitoba food insecurity rate is 12.1 percent, the incidence in northern Manitoba is 75 percent. This is due to geographic, transportation, economic, and knowledge barriers that particularly affect remote northern communities. The severity of food insecurity can vary from worrying about running out of food to going days without eating. Food insecurity is a threat to physical and mental health, and can lead to increased risk of illness, such as depression, diabetes, and heart disease. Following a presentation of food insecurity in Manitoba at Expo 2015, this paper looks at the community of Cross Lake as a case study of methods to address food insecurity. While the community is faced with many barriers to food security, it also has many food assets. Food Matters Manitoba, a non-governmental organization with the mission to end food insecurity in Manitoba, has engaged with Cross Lake through a process of community engagement in order to find out what community members think are most important projects to work on and what resources already exist. From this process it is clear that Cross Lake has many assets, but there is still a lot of work that needs to be done in order to significantly improve its food security. Community-driven economic development that is participatory, comprehensive, and takes into account traditional practices can provide the means to address food insecurity and reduce poverty and social exclusion. A community-based approach also provides opportunities for northern communities to make connections with each other and create geographic partnerships that empower local residents to improve their own conditions.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,025 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».