MétaCan
Menu
Retour à la cohorte
Enregistrement W4220975745 · doi:10.1111/cag.12757

Multiple food vulnerabilities of international students from India in Greater Toronto Area colleges: A pilot study

2022· article· en· W4220975745 sur OpenAlexaffvenueabout
Sutama Ghosh, Pruneah M. Kim, Raymond M. Garrison, Sohail Shahidnia

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésFood insecurityContext (archaeology)Government (linguistics)ImmigrationEconomic growthPolitical scienceInequalityFood securityPerspective (graphical)SociologyGeographyAgricultureEconomics

Résumé

récupéré en direct d'OpenAlex

Research on the food insecurity of international students, who are uniquely positioned as both newly‐arrived immigrants and post‐secondary students, is extremely limited in the Canadian context. In this paper, we attempt to create awareness about this specific form of inequality by qualitatively analyzing the experiences of 30 international students from India, in community and private colleges located in the Greater Toronto Area. Our study demonstrates that most participants faced multiple food vulnerabilities. In this regard, in addition to their internal characteristics, external circumstances have had profound impacts on their food insecurity, particularly the geographical context of the city in which they live. In turn, their food insecurity has influenced various aspects of their everyday lives, including housing, employment, and overall health and well‐being. From a policy perspective, various levels of government, and especially the Canadian post‐secondary educational institutions, must take a greater responsibility for assessing the specific needs of this marginalized group and providing necessary services.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,444
Score d'incertitude au seuil0,893

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,003
Communication savante0,0030,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,064
Tête enseignante GPT0,326
Écart entre enseignants0,262 · 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'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

Citations6
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207