Making better use of what we have: Strategies to minimize food waste and resource inefficiency in Canada
Notice bibliographique
Résumé
We examined the problems of and solutions to food waste through the main three frames of social science research on food waste: political economy; the cultural turn (the cultures, ideologies and politics of food and consumption); and political ecology. In the course of our collective research on food waste, we analyzed dozens of government and company documents, interviewed over 35 employees of food chain firms and organizations, including 9 middle to senior managers in food retail, and 2 farmers. One co-author, as part of this and affiliated work (McCallum, Campbell & MacRae, 2014), toured distribution facilities and stores of a major Canadian food retailer, had access to the Company’s head office staff, held group and one-on-one interviews with staff in a variety of capacities, and was granted access to confidential corporate reports. Another co-author volunteered with a food recovery organization and spoke with their operational staff. Our method to identify solutions is described in more detail below, but essentially we follow a normative approach as broadly outlined by MacRae and Winfield (2016). Our focus in this paper is on changes to policies, programmes and legislation/regulation at the level of the state. Such interventions are clearly only a piece of a wide ranging set of initiatives to be undertaken by numerous actors – from food chain firms to individual eaters – but our reading is that more attention has recently been paid to private firm than regulatory changes. We hope to redress this to some degree in this article.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,032 | 0,009 |
| Communication savante | 0,011 | 0,003 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».