MétaCan
Menu
Retour à la cohorte
Enregistrement W3144432672 · doi:10.1080/15528014.2021.1890892

Feeding the Canadian Immigrant Family: an intersectional approach to meal preparation among immigrant families in Ontario

2021· article· en· W3144432672 sur OpenAlexafffundabout
Eugena Kwon, Tracey L. Adams

Notice bibliographique

RevueFood Culture & Society · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensWestern UniversitySaint Mary's University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésImmigrationEthnic groupContext (archaeology)IntersectionalitySociologyPromotion (chess)Qualitative researchGender studiesPolitical scienceGeographyPoliticsSocial science

Résumé

récupéré en direct d'OpenAlex

In light of the positive association between home-cooked meals and healthier diets, many recent health promotion strategies have encouraged the public to cook more often at home. However, class, race/ethnicity, and gender inequalities often intersect in shaping food practices and also impact who takes on the work involved in “feeding the family”. There are reasons to believe that challenges in healthy eating may be exacerbated among immigrants. Building on the prior research conducted in this area, this article draws on in-depth qualitative interviews with 23 married immigrant men and women to explore the social relations and social practices involved in feeding the immigrant family. By adopting an intersectional life course approach, we show how gender, immigrant status, race/ethnicity and economic hardship during integration processes all intersect to shape family decision making around meal preparation and eating practices. Our findings highlight that migration is a notable turning point that may influence the division of labor within immigrant families, and how the social and policy context of the host country shapes who takes primary responsibility for food work.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,530

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0300,005
Communication savante0,0040,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,029
Tête enseignante GPT0,258
Écart entre enseignants0,229 · 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'étudeQualitatif
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

Citations6
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFood Culture & SocietyMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207