The Role of Food Tourism in Supporting Vibrant Identities and Building Education among Diverse Communities and Visitors
Notice bibliographique
Résumé
Toronto, located in the province of Ontario, is the largest city in Canada and has been named one of the most diverse cities in the world. The Greater Toronto Areas (GTA)’s ethnic diversity is synonymous with culinary diversity and an increasing demand for world foods. The GTA has been home to Indigenous peoples for thousands of years and three hundred years of immigration to Ontario from all corners of the globe have created an environment of exchange that continuously alters the food and drink available in the region. Toronto continues to maintain its multicultural character while growing at a pace of around 100,000 new residents per year (Galloway, 2017). As of 2017, nearly 50% of the city’s population had a newcomer background. It is estimated that by 2031, 75% of the GTA’s population will be either immigrants or Canadian-born children of immigrants (Nakamura and Donnelly, 2017). The region’s multicultural makeup drives disruption and innovation of food systems through a vibrant and ever-evolving food scene. The diversity of this food scene is difficult to define and package into a single tourism offering. Taking the context of growing diversity in the GTA as the starting point, the primary question explored in this paper is: What role can food tourism play in supporting vibrant identities while providing learning opportunities around local food systems and cultural heritage? This question is explored through a discussion of foods produced in the rural areas around the GTA and the foods sought by diverse communities in urban centres of the GTA. Through analysis and comparison of land management and agricultural policy documents, community engagement initiatives, and current food tourism programs, this paper also considers the impact that the GTA’s cultural diversity has in shaping the future of food education and food tourism.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,011 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».