MétaCan
Menu
Retour à la cohorte
Enregistrement W2752772861 · doi:10.1177/1464993417716358

Stages of food security: A co-produced mixed-methods methodology

2017· article· en· W2752772861 sur OpenAlexaff
Logan Cochrane

Notice bibliographique

RevueProgress in Development Studies · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésFood securityCitizen journalismSet (abstract data type)Adaptation (eye)Participatory action researchQualitative propertyKnowledge managementProcess managementParticipatory evaluationComputer scienceSociologyBusinessSocial scienceEcologyAgriculturePsychology

Résumé

récupéré en direct d'OpenAlex

This article presents the stages of food security methodology, an adaptation of stages of progress developed by Dr. Krishna. Studies of food security are primarily survey based, applying a common set of generalist indicators across a range of agroecological areas and for a diverse array of people; these findings have provided a wealth of information and insight into the trends, challenges and the extent of food security on national, regional and global scales. Ethnographic and qualitative approaches have provided detailed, contextualized findings about the interrelated and complex nature of food security at the micro level. This co-produced, mixed methods approach brings together participatory qualitative approaches and co-produces quantitative data collection tools, which provide generalizable data geared towards supporting the development or refinement of policies and programmes to strengthen food security. Based upon a pilot implementation of the methodology in Ethiopia, advantages and limitations are discussed, as well as reflections on why co-production as a participatory approach was adopted, in contrast to other participatory processes. The findings demonstrate the ways in which co-produced approaches can offer unique insight, complementing and enhancing existing knowledge about complex challenges.

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)0,148
score de la tête « metaresearch » (Gemma)0,100
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,783

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1480,100
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0090,007
Études des sciences et des technologies0,0060,007
Communication savante0,0080,004
Science ouverte0,0060,010
Intégrité de la recherche0,0030,004
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 Opus0,138
Tête enseignante GPT0,405
Écart entre enseignants0,267 · 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
GenreMéthodes

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Development StudiesMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207