MétaCan
Menu
Retour à la cohorte
Enregistrement W2997515780 · doi:10.1093/shm/hkz115

Managing Colonial Diets: Wartime Nutritional Science on the Korean Population, 1937–1945

2019· article· en· W2997515780 sur OpenAlexaff
Sunho Ko

Notice bibliographique

RevueSocial History of Medicine · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueJapanese History and Culture
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésBackwardnessColonialismScholarshipState (computer science)EmpirePopulationPolitical scienceBiopowerIntervention (counseling)Sociology of scientific knowledgeNutritional scienceEconomic growthSocial sciencePolitical economyEconomic historySociologyEnvironmental healthMedicineHistoryLawBiologyEconomicsFood scienceNursing

Résumé

récupéré en direct d'OpenAlex

Summary This article examines nutrition studies on Korean diets between 1937 and 1945 as a case study on the liaison between nutritional science and total war regimes in the twentieth century. Building on critical scholarship on nutritional science, this article argues that nutritional science—as a scientific governmental technology and racial discourse—served the wartime colonial regime in the Japanese empire aimed at managing the Korean population in the most scientific manner. As a governmental technology, nutritional science produced scientific frameworks and data that shaped state food policies for the efficient mobilisation of Korean diet and labor for war. As a racial discourse, nutritional science construed Korean diets as a scientifically defined nutrition problem. By construing the nutrition problem as an expression of colonial backwardness in need of governmental intervention, nutritional science justified wartime state policies like the school lunch programme as welfare measures to improve the colonial diet and body.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,277
Écart entre enseignants0,254 · 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.

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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial History of MedicineMême sujetJapanese History and CultureTravaux en français237 207