MétaCan
Menu
Retour à la cohorte
Enregistrement W3111070805 · doi:10.5304/jafscd.2020.101.028

Fostering food equity in an immigrant neighborhood of New York City during COVID-19

2020· article· en· W3111070805 sur OpenAlexfundno aff
Valerie Imbruce

Notice bibliographique

RevueJournal of Agriculture Food Systems and Community Development · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCulinary Culture and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesBinghamton UniversityYork University
Mots-clésChinatownImmigrationChinaGrassrootsCoronavirus disease 2019 (COVID-19)ReputationEquity (law)TourismGeographyPolitical scienceAdvertisingSociologyEconomic growthBusinessEconomicsPolitics

Résumé

récupéré en direct d'OpenAlex

Food equity includes the right to food that is cul­turally appropriate. Immigrant neighborhoods can be sites of contestation over who participates in the production, distribution, and consumption of food. Manhattan’s Chinatown is a good example of a neighborhood where food is central to its com­merce, cultural heritage, and reputation as a tourist destination. The coronavirus’ origin in China caused imme­diate material impact on Chinese restaurants and food purveyors in New York City as well as in other cities with major populations of Chinese people. Chinatown suffered disproportionate closures of its grocery stores, restaurants, and produce vendors due to COVID-19 as compared to other neighbor­hoods in NYC. The grassroots response to this crisis is a reminder that people have the power to use food to assert the society that they desire, to shape a highly contested urban space, and to claim their right to the city.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,762
Score d'incertitude au seuil0,364

Scores Codex et Gemma par catégorie

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

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 Opus0,141
Tête enseignante GPT0,283
Écart entre enseignants0,143 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agriculture Food Systems and Community DevelopmentMême sujetCulinary Culture and TourismTravaux en français237 207