FLEdGE (Food: Locally Embedded, Globally Engaged) Partnership
Notice bibliographique
Résumé
The Food: Locally Embedded, Globally Engaged (FLEdGE) SSHRC-funded Partnership has deep roots in relationships developed over time among academics and community-based practitioners. FLEdGE emerged from community-driven research in Ontario on food hubs and community resilience dating from 2010. From there it expanded to include seven research nodes across Canada and three thematic international working groups, with over 90 researchers, students, and community partners involved in the project. As a multi-institutional project, FLEdGE has nodes in British Columbia (Kwantlen Polytechnic University)/Alberta (University of Alberta), Northwest Territories (Wilfrid Laurier University), northern Ontario (Lakehead University), eastern Ontario (Carleton University), southern Ontario (Wilfrid Laurier University; University of Guelph; University of Waterloo); Quebec (McGill University; Dawson College); and Atlantic Canada (Dalhousie University; Carleton University). There are two or more lead researchers in each node, typically from different disciplines and several community partners in each node. In this way, FLEdGE branched out to include more than 90 partners and collaborators.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,009 |
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 ».