A Community-Based Approach to Integrating Socio, Cultural and Environmental Contexts in the Development of a Food Database for Indigenous and Rural Populations: The Case of the Batwa and Bakiga in South-Western Uganda
Notice bibliographique
Résumé
Comprehensive food lists and databases are a critical input for programs aiming to alleviate undernutrition. However, standard methods for developing them may produce databases that are irrelevant for marginalised groups where nutritional needs are highest. Our study provides a method for identifying critical contextual information required to build relevant food lists for Indigenous populations. For our study, we used mixed-methods study design with a community-based approach. Between July and October 2019, we interviewed 74 participants among Batwa and Bakiga communities in south-western Uganda. We conducted focus groups discussions (FGDs), individual dietary surveys and markets and shops assessment. Locally validated information on foods consumed among Indigenous populations can provide results that differ from foods listed in the national food composition tables; in fact, the construction of food lists is influenced by multiple factors such as food culture and meaning of food, environmental changes, dietary transition, and social context. Without using a community-based approach to understanding socio-environmental contexts, we would have missed 33 commonly consumed recipes and foods, and we would not have known the variety of ingredients' quantity in each recipe, and traditional foraged foods. The food culture, food systems and nutrition of Indigenous and vulnerable communities are unique, and need to be considered when developing food lists.
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 | 0,013 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,004 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».