MétaCan
Menu
Retour à la cohorte
Enregistrement W2519210402 · doi:10.3390/agriculture6030046

The Food For Life Catering Mark: Implementing the Sustainability Transition in University Food Procurement

2016· article· en· W2519210402 sur OpenAlexafffund
Lori Stahlbrand

Notice bibliographique

RevueAgriculture · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesOntario Ministry of Agriculture, Food and Rural AffairsU.S. Department of Agriculture
Mots-clésSustainabilityProcurementAgency (philosophy)SociologyProcess (computing)MarketingBusinessSocial scienceEcologyComputer science

Résumé

récupéré en direct d'OpenAlex

This article presents a case study of the application of the Soil Association’s Food For Life Catering Mark at two universities in England: Nottingham Trent University and University of the Arts London. This procurement initiative has had noteworthy success in the U.K., with more than 1.6 million Catering Mark meals served each weekday. This article, based on 31 in-depth interviews conducted in 2015, is the first to examine its impact and significance at the university level. In particular, this article tests the concepts of the niche, regime and landscape in the multi-level perspective (MLP), a prominent theoretical approach to sustainability transition, against the experience of the Food For Life Catering Mark. The article confirms the importance of the landscape level of the MLP in the food sustainability transition, while adding additional considerations that need to be specified when applying the MLP to the food sector. By highlighting the essential role of civil society organizations (CSOs), public institutions and many champions, this article proposes that more room must be made within the MLP for the explicit role of agency, champions and the implementation process itself. Indeed, this article argues that implementation, the daily practice, is deserving of both increased recognition and theory.

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)0,009
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 enseignants0,012
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,008
Communication savante0,0060,004
Science ouverte0,0020,008
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,012
Tête enseignante GPT0,185
Écart entre enseignants0,174 · 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

Citations33
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207