Cooking up an injustice: A critical examination of the role of cooking programs in reducing health inequalities
Notice bibliographique
Résumé
The way we eat is one of the biggest causes of preventable illness and death, particularly for those living in more deprived areas. Public health interventions often include courses teaching cooking ‘from scratch’ as an affordable means of dietary improvement, but this paper questions the effectiveness of such programs. Using an in-depth case study of a leading healthy cooking programme, including ethnographic observations of seven cooking classes and interviews with 35 participants and three members of staff, we show that the impact of this programme was limited by its adherence to conventional ‘nutrient-focused’ framings of healthy eating. Teaching based on this framing created confusion by separating nutrients from foods, hampered embodied learning of skills and ultimately failed to address how learnings could be integrated into the everyday lives of participants Unable to engage with inequities in access, preparation time, food environments or other sociocultural influences on eating habits, courses built on similarly nutricentric foundations will never be able to address the major barriers to healthy eating faced by their target participants. As an alternative, we propose that cooking courses grounded in a more ‘practice-based’ understanding of healthy eating would be more effective at changing dietary behaviours, especially in areas of higher deprivation.
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 | 0,097 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,019 | 0,043 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,006 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».