Serving up food studies online: teaching about “food from somewhere” from nowhere
Notice bibliographique
Résumé
Over the past decade, the popularity of food scholarship has led to an expansion of online food studies courses and programs. This push for online course offerings has been escalated due to the COVID-19 pandemic in early 2020. To date, much of the field has focused on examining the global concentration and integration of corporate food systems, often described as a “food from nowhere” regime. In contrast, the study of civil society organizations and social movements working toward more equitable and sustainable food systems points to the desire to (re)build a “food from somewhere” regime. How do these ideas of de-spatialization and re-spatialization apply to teaching online food studies courses? In this reflective essay, five scholars and postsecondary instructors share experiences with online teaching about food systems. Our collective reflection reveals a number of benefits for postsecondary institutions, instructors, students, and pedagogical approaches. We also share key concerns, such as engaging students and encouraging participation, constraints for developing personal connections and the additional time and energy required to prepare and deliver courses. Beyond these opportunities and tensions, we point to the need for instructors to consider the implications of teaching about “food from somewhere” from nowhere. We offer these reflections to begin a much-needed conversation about the current state and the future of online food studies education.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| 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 | 0,008 | 0,009 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».