Student Engagement with Community-Based Participatory Food Security Research: Exploring Reflections through Photovoice
Notice bibliographique
Résumé
FoodARC is a research hub for community-based participatory research (CBPR) contributing to healthy, just, and sustainable food systems for all. University students, largely from dietetics programs, are engaged as co-learners and research partners. This study explores the contribution of CBPR to student learning on household food insecurity (HFI) and community food security (CFS) and ways to address these issues through practice. Photovoice, an arts-informed 3-phase participatory research process, was used to take pictures that reflected student experiences and insights regarding CBPR. Through a half-day guided discussion, 5 participants shared and discussed their photos and the meanings behind them with other participants and then collectively analyzed and interpreted common themes. Three overarching themes reflecting student learning and development associated with CBPR experiences were identified: students' expanded understandings of HFI and CFS as well as potential solutions to address these issues, their modeling of participatory ways of working, and applications to future professional practices. Student understandings about HFI and CFS through the integration of a community-engaged learning environment like CBPR results in important learning and personal and professional development. Learning is enriched and students are able to imagine their roles in addressing these issues through practice.
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 | 0,025 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,021 | 0,019 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».