MétaCan
Menu
Retour à la cohorte
Enregistrement W3134361473 · doi:10.3390/foods10030524

Historical Indigenous Food Preparation Using Produce of the Three Sisters Intercropping System

2021· review· en· W3134361473 sur OpenAlexafffundabout
T.M. Ngapo, Pauline Bilodeau, Yves Arcand, Marie Thérèse Charles, Axel Diederichsen, Isabelle Germain, Qiang Liu, Shawna L. MacKinnon, Aimé J. Messiga, Martin Mondor, Sébastien Villeneuve, Noura Ziadi, Stéphane Gariépy

Notice bibliographique

RevueFoods · 2021
Typereview
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésIndigenousIntercroppingFood systemsCroppingFood preparationAgroforestryTraditional knowledgeGeographyFood securityEthnologyBiotechnologyAgricultureFood processingAgronomyHistoryFood scienceBiologyArchaeologyEcology

Résumé

récupéré en direct d'OpenAlex

For centuries, some Indigenous Peoples of the Americas have planted corn, beans and squash or pumpkins together in mounds, in an intercropping complex known as the Three Sisters. Agriculturally, nutritionally and culturally, these three crops are complementary. This literature review aims to compile historical foods prepared from the products of the Three Sisters planting system used in Indigenous communities in the region encompassing southern Quebec and Ontario in Canada, and northeastern USA. The review does not discuss cultural aspects of the Three Sisters cropping system or describe foods specific to any one Indigenous group, but rather, gives an overview of the historical foods stemming from this intercropping system, many foods of which are common or similar from one group to another. Some of the methods of food preparation used have continued over generations, some of the historical foods prepared are the foundation for foods we eat today, and some of both the methods and foods are finding revival.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,216
Tête enseignante GPT0,443
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFoodsMême sujetIndigenous Studies and EcologyTravaux en français237 207