MétaCan
Menu
Retour à la cohorte
Enregistrement W3207998228 · doi:10.3389/fsufs.2021.737434

Centering Equity in Sustainable Food Systems Education

2021· article· en· W3207998228 sur OpenAlexaff
Eleanor J. Sterling, Erin Betley, Selena Ahmed, Sharon Akabas, Daniel J. Clegg, Shauna Downs, Betty T. Izumi, Pamela Koch, Sara M. Kross, Karen Spiller, Lemir Teron, Will Valley

Notice bibliographique

RevueFrontiers in Sustainable Food Systems · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDivision of Undergraduate EducationNational Science FoundationPharmaviteU.S. Department of AgricultureNational Institute of Food and AgricultureChapman Perelman Foundation
Mots-clésOppressionEquity (law)Food systemsPublic relationsSociologyPolitical scienceEconomic growthAgricultureFood securityEconomicsGeography

Résumé

récupéré en direct d'OpenAlex

Sustainable food systems education (SFSE) is rapidly advancing to meet the need for developing future professionals who are capable of effective decision-making regarding agriculture, food, nutrition, consumption, and waste in a complex world. Equity, particularly racial equity and its intersectional links with other inequities, should play a central role in efforts to advance SFSE given the harmful social and environmental externalities of food systems and ongoing oppression and systemic inequities such as lack of food access faced by racialized and/or marginalized populations. However, few institutional and intra-disciplinary resources exist on how to engage students in discussion about equity and related topics in SFSE. We present perspectives based on our multi-institutional collaborations to develop and apply pedagogical materials that center equity while building students' skills in systems thinking, critical reflection, and affective engagement. Examples are provided of how to develop undergraduate and graduate sustainable food systems curricula that embrace complexity and recognize the affective layers, or underlying experiences of feelings and emotions, when engaging with topics of equity, justice, oppression, and privilege.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,239
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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Sustainable Food SystemsMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207