Notice bibliographique
Résumé
The global food system is a major contributor to climate change, producing 19 - 29 per cent of greenhouse gas emissions (Vermeulen, et al., 2012). This system is entirely controlled by humans, and therefore, we are responsible for the negative effects of this system on the well-being of our planet. The large amount of greenhouse gas emissions occurs mainly due to food miles — the distance that food is transported from producer to consumer — and our meat consumption. In this research-informed action report I conducted a study to: i) determine if there was correlation between gender and meat consumption; and ii) if there was a correlation between gender and purchasing of locally grown foods. I learned that 67 per cent of high school boys and 71 per cent of girls that I surveyed consumed meat more than 4 times a week. Based on this data, I concluded that there was no correlation between gender and meat consumption amongst teenagers that I surveyed. However, I felt that meat consumption was rather high. Also, about 40 percent of boys and girls sometimes buy locally grown food, which is great, but a third of them did not know if the food they, or their parent, purchase is locally grown. Once again, I concluded that there was no correlation between gender and habits of purchasing locally grown foods. In repose to this, I decided to take an action and develop a video to make my peers more aware of global food systems and their relationship to climate change. I posted the video on FaceBookTM where my family and friends can view it and comment. I hope that this project inspires everyone to be more conscious about their diets and that we can collectively reduce the GHGs through reduced meat consumption.
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 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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».