From contracts to culture: Exploring how to leverage local, sustainable food purchasing by institutions for food systems change
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In recent years, certain hospitals, schools, and campuses across Canada have shown that they can transform their practices to serve more local and sustainable food. These changes have often been led by visionary champions, and in some cases aided by supportive public policies or programs. Yet the presence of these isolated success stories has so far not proven sufficient to tip a critical mass of institutions towards sustainability. There is great potential in leveraging institutional foodservices, with an estimated $8.5 billion market sales in Canada in 2016 (fsStrategy, 2016), to shift systems towards greater sustainability. In 2014, Food Secure Canada and the McConnell Foundation launched an action-research project and embarked on a learning journey to explore two key questions: how can food service operations and procurement practices be changed to increase local, sustainable institutional procurement; and how can this work be scaled. In 2014–2016, eight institutional food projects across Canada came together as a national Learning Group. Drawing from their experiences working in different contexts and scales, our action research project identified program and policy innovations to leverage systems change. This article explores how institutions currently buy food, and reveals the systemic barriers to increasing local, sustainable food procurement. We share lessons learned about the interplay of menus, food service operations, contracts, institutional demand, and food culture that helped to overcome these barriers. We identify enabling, peer-based learning and support as particularly relevant in a national context for the scaling out, up, and deep of local, sustainable food procurement.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle