MétaCan
Menu
← Retour à la cohorte
Enregistrement W3186591627 · doi:10.22215/etd/2020-14399

Giving a Fork about the Environment: Discursive Articulations of Food, Climate Change, and Environmental Sustainability in Canada's Food Guide

2020· dissertation· en· W3186591627 sur OpenAlexafffundabout
Anna Hum

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensCarleton University
Organismes subventionnairesAgriculture and Agri-Food CanadaHealth CanadaAustralian Government
Mots-clésSustainabilityClimate changeGovernment (linguistics)CornerstoneFork (system call)Political scienceWicked problemPublic relationsEnvironmental planningEnvironmental resource managementGeographyEngineeringEnvironmental scienceEconomicsManagementEcology

Résumé

récupéré en direct d'OpenAlex

This research explores how the Canadian federal government incorporates climate change and environmental sustainability concerns in the 2019 iteration of Canada's Food Guide and its supporting documents.Using a mixed analytical approach to discourse analysis, I analyze 52 government documents to discover how food, climate change, and environmental sustainability are discursively linked.My findings reveal that these considerations are wed together through dominant storylines that operate as channels to enact change; positioning citizens to adjust their behaviours to be more environmentally benign as a 'solution'.I argue that the guide's 'solutionist' approach to communication constructs a 'good' Canadian consumer and neglects larger questions over creating enabling environments.In doing so, I contend that the 'solutionist' approach acts as a cornerstone for transforming food guides to address climate change and sustainability at the individual level but does not sufficiently address the need for systemic change.vi 5.3.2Revisiting Approaches to Systems Transition .......

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)0,005
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,101
Score d'incertitude au seuil0,734

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0280,030
Communication savante0,0150,004
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,184
Écart entre enseignants0,175 · 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

Citations0
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetOrganic Food and Agriculture→Travaux en français237 207→