Addressing the call: A review of food justice courses in Canada and the USA
Notice bibliographique
Résumé
To address inequality's root causes both within and beyond the food chain, food justice scholars have called for explicit integration of trauma/inequity, land, labour, exchange, and governance into post-secondary education food studies and related fields. This paper explores how instructors of food justice courses (identified by key-word internet search) in Canada and the United States are designing their courses. We collected course syllabi from fifteen institutions to determine key themes related to course content based on weekly topics and readings, resulting in the identification of 16 thematic content areas. We identified seven thematic areas related to course goals (n=49) and eight thematic areas related to learning outcomes (n=123). To clearly distinguish between themes represented in the syllabi, we embedded course goals and learning outcomes into the Understanding by Design instructional design framework, which demonstrates how course goals can be separated into the categories of transfer and meaning, and learning outcomes into declarative and procedural knowledge. We examine content areas in relation to food justice scholarship, focusing on what is present, underrepresented, and absent. In consideration of the Understanding by Design framework, we discuss the need for established goals within which to situate food justice courses, challenges of course scope, value of scaffolding goals and outcomes across programs, and future directions for aligning potential indicators of understanding and identifying effective learning activities. The intended outcome of the paper is to provide current and prospective instructors with greater clarity on how food justice is being taught in order to increase our collective effectiveness in developing student capacities in the field.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».