MétaCan
Menu
Retour à la cohorte
Enregistrement W2738299647 · doi:10.1177/1469540517717779

Reading a water menu: Bottled water and the cultivation of taste

2017· article· en· W2738299647 sur OpenAlexafffund
Andrew Biro

Notice bibliographique

RevueJournal of Consumer Culture · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensAcadia University
Organismes subventionnairesAcadia University
Mots-clésBottled waterTasteCapitalismCommodificationConsumption (sociology)CommoditySociologyEconomicsEconomyPolitical scienceSocial scienceLawMarket economyFood scienceEnvironmental scienceChemistry

Résumé

récupéré en direct d'OpenAlex

The market for bottled water is growing and increasingly segmented. How do we explain not just the willingness to pay for a substance (water) that is almost free but also the increasing discernment in a drink generally considered tasteless? We argue that bottled water market segmentation is a leading edge of processes of water commodification, associated with the crisis of Fordism and rise of consumerist capitalism, where the assertion of status through commodity consumption is increasingly necessary. The extensive Ray’s & Stark water menu is analyzed to show how the taste for bottled waters is cultivated. In the menu, references to gustatory sensation are limited. Instead, the tastefulness of water inheres in the distance from anthropogenic influence, made visible through scientific (geological) discourses. The tension between the desire to consume unmediated nature and the scientific abstraction necessary to recognize it reveals the social character of the taste for bottled waters. The highly refined sense of taste that the water menu’s readers are presumed to have is a reflection of consumerist capitalism’s distinctive ways of reproducing socio-economic inequality and metabolizing non-human nature.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,010
Communication savante0,0040,005
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 GPT0,322
Écart entre enseignants0,301 · 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'étudeQualitatif
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

Citations17
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Consumer CultureMême sujetGeographies of human-animal interactionsTravaux en français237 207