MétaCan
Menu
Retour à la cohorte
Enregistrement W4241149363 · doi:10.24124/2020/59077

Cultivating common ground: the story of food (and the food in stories)

2020· dissertation· en· W4241149363 sur OpenAlexfundno aff
Janet Marie Grafton

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueIndigenous and Place-Based Education
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaVancouver Island University
Mots-clésNarrativeFood securityFood systemsLiteracyIndigenousFood processingPolitical sciencePublic relationsGeographySociologyPedagogyAgricultureEcologyArt

Résumé

récupéré en direct d'OpenAlex

Demystifying the story of food – from seed to store to stomach and how that cycle perpetuates – is a core tenet of food literacy and the central aim of this project. While exposure to environmental issues is critical to developing awareness, young learners are often burdened with crisis-laden facts about the state of our world and our food systems. Approaching difficult subjects using a narrative approach is one way to mitigate this burden. In this project, children’s literature that centres on farms and food production/food gathering in settler and Indigenous contexts is used as a launching pad for discussions about food security. Food is an enduring theme in children’s and young adult literature, and is particularly prevalent in narratives from the past, where food gathering and production are often rooted in their environmental contexts. These food narratives provide a pathway for young readers to critically investigate contemporary environmental concerns from a safe space. This project investigates how children’s literature can be used as part of a critical food pedagogy to enhance the food literacy of young learners and encourage them to find common ground between the physical world and the worlds they read. In locating, analyzing, and experiencing food environments in literature via an affective, indirect approach, food literacy - which is foundational to the development of environmentally responsible behaviour – is enhanced.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,361
Score d'incertitude au seuil0,974

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,299
Écart entre enseignants0,277 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIndigenous and Place-Based EducationTravaux en français237 207