MétaCan
Menu
Retour à la cohorte
Enregistrement W2807793681 · doi:10.4000/aof.8384

Culinary tourism, the newest crop in Southern Italy’s farms and pastures

2018· article· en· W2807793681 sur OpenAlexaff
Nicole Kilburn

Notice bibliographique

RevueAnthropology of food · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCulinary Culture and Tourism
Établissements canadiensCamosun College
Organismes subventionnairesnon disponible
Mots-clésCropTourismAgricultural economicsAgronomyGeographyAgricultural scienceAgroforestryBiologyEconomicsArchaeology

Résumé

récupéré en direct d'OpenAlex

Food tourism offers important opportunities for southern Italian communities struggling with high unemployment and the erosion of food traditions. These foodways are at once threatened in a modern reality and desirable to tourists looking to connect with local food and its producers as part of an “authentic” travel experience. For this new economy to be sustainable, both economically and culturally in southern Italy, there are lessons to be learned from Tuscany’s embrace of agriculturally-based tourism, where the power of tourism has crafted romantic narratives of the Mediterranean Diet and La Dolce Vita that are often more meaningful to the paying customer than rural residents. Data collected in the regions of Puglia and Campania since 2014 are presented here to explore how best to validate food traditions through tourism. Examples of food and heritage tourism, including lemon garden tours, the historic role of nuns in pastry making, and shepherding traditions of the Murgia Plateau, highlight the potential benefits and vulnerabilities of tourism-based revitalization initiatives.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,546
Score d'incertitude au seuil0,645

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,018
Tête enseignante GPT0,249
Écart entre enseignants0,231 · 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 tête enseignante, 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnthropology of foodMême sujetCulinary Culture and TourismTravaux en français237 207