MétaCan
Menu
Retour à la cohorte
Enregistrement W4243647192 · doi:10.7551/mitpress/11677.001.0001

Food

2019· book· en· W4243647192 sur OpenAlexaboutno aff
Fabio Parasecoli

Notice bibliographique

RevueThe MIT Press eBooks · 2019
Typebook
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCulinary Culture and Tourism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

A consumer's guide to the food system, from local to global: our part as citizens in the interconnected networks, institutions, and organizations that enable our food choices. Everybody eats. We may even consider ourselves experts on the topic, or at least Instagram experts. But are we aware that the shrimp in our freezer may be farmed and frozen in Vietnam, the grapes in our fruit bowl shipped from Chile, and the coffee in our coffee maker grown in Nicaragua, roasted in Germany, and distributed in Canada? Whether we know it or not, every time we shop for food, cook, and eat, we connect ourselves to complex supply networks, institutions, and organizations that enable our food choices. Even locavores may not know the whole story of the produce they buy at the farmers market. In this volume in the MIT Press Essential Knowledge series, food writer and scholar Fabio Parasecoli offers a consumer's guide to the food system, from local to global. Parasecoli describes a system made up of open-ended, shifting, and unstable networks rather than well-defined chains; considers healthy food and the contradictory advice about it consumers receive; discusses food waste and the implications for sustainability; explores food technologies (and “culinary luddism”); and examines hunger and food insecurity in both developing and developed countries. Parasecoli reminds us that we are not only consumers but also citizens, and as citizens we have more power to improve the food system than we do by our individual food choices.

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)0,000
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,582
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,5820,409

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 Opus0,042
Tête enseignante GPT0,209
Écart entre enseignants0,167 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe MIT Press eBooksMême sujetCulinary Culture and TourismTravaux en français237 207