MétaCan
Menu
Retour à la cohorte
Enregistrement W2770825849 · doi:10.1177/0920203x17742887

Food safety in urban China: Perceptions and coping strategies of residents in Nanjing

2017· article· en· W2770825849 sur OpenAlexaff
Zhenzhong Si, Jenelle Regnier-Davies, Steffanie Scott

Notice bibliographique

RevueChina Information · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensUniversity of WaterlooBalsillie School of International Affairs
Organismes subventionnairesnon disponible
Mots-clésFood safetyChinaBusinessPerceptionContext (archaeology)Agency (philosophy)Coping (psychology)Food processingMarketingEnvironmental healthPsychologyPolitical scienceGeographyMedicineSociology

Résumé

récupéré en direct d'OpenAlex

Food safety has become an increasingly pressing sociopolitical issue in China due to the outbreak of food safety scandals since the 2000s. Existing studies have highlighted the socio-economic context of this issue, its drivers and implications. Yet, few studies have examined the perceptions of food safety conditions and strategies undertaken by consumers in their daily lives to cope with the challenge. Based on a city-wide survey of 1210 households and 36 interviews in Nanjing, China, this research adopts an ‘everyday’ perspective of analysis to investigate Nanjing residents’ perceptions of, and strategies to cope with, the food safety challenge. Perceptions include the severity of the food safety problem, the least safe foods, as well as causes and responsibilities. Coping strategies include various approaches to food access and food preparation. This article also compares the validity of potential sources of trust in food. On the one hand, the study demonstrates how the structural changes in China’s food system (i.e. chemical intensive food production and elongated food supply chains) constitute the major problems and causes of food safety issues. On the other hand, it reveals the considerable latitude within which Nanjing residents proactively exercise their agency when facing food safety 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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,056
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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

Citations31
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChina InformationMême sujetOrganic Food and AgricultureTravaux en français237 207