MétaCan
Menu
Retour à la cohorte
Enregistrement W2516673822 · doi:10.1111/soru.12144

Towards a Natural History of Foodgetting

2016· article· en· W2516673822 sur OpenAlexaff
Harriet Friedmann

Notice bibliographique

RevueSociologia Ruralis · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensUniversity of TorontoGlobal Affairs Canada
Organismes subventionnairesnon disponible
Mots-clésEmbodied cognitionEnvironmental ethicsSociologyNatural (archaeology)EpistemologyNatural historyEcologySocial scienceHistoryBiologyPhilosophyArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract Like all species, humans change our environments to get food.Foodgetting is the dimension of human history that links us directly and indirectly with all other beings. Inescapably and at once both historical and natural, human foodgetting can be understood both as natural history and as historical nature. It implicates our species being in the evolving web of life. In its complex embodied, encultured and social relations, human nature evolves. To embrace that recognition requires thorough revision of inherited ideas. I draw on specific contributions among many thinkers engaged in this project by following a foodgetting thread through several literatures: (1) approaches to reconnecting natural with social sciences of human nature; (2) a “deep history” (Shryock and Smail 2011) of agriculture, which connects prehistory to written history, by Mazoyer and Roudart (1997, 2006), and its limits; (3) ecological resilience theory, and its model of panarchy, which resonates with emergence, dissolution, and reconstellation of food regimes and food regime transitions. This sets the stage for (4) clarifying different paths taken by food regime analysts, including my differences with co‐founder Philip McMichael. (5) I conclude by suggesting an approach to intentional change of human institutions centred on emergence, and (6) an example of emerging ways of organising territory centred on foodgetting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,820
Score d'incertitude au seuil0,608

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,206
Écart entre enseignants0,186 · 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 tête enseignante, 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociologia RuralisMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207