Food Trucks, Cultural Identity, and Social Justice
Notice bibliographique
Résumé
Aspects of the urban food truck phenomenon, including community economic development, regulatory issues, and clashes between ethnic authenticity and local sustainability. The food truck on the corner could be a brightly painted old-style lonchera offering tacos or an upscale mobile vendor serving lobster rolls. Customers range from gastro-tourists to construction workers, all eager for food that is delicious, authentic, and relatively inexpensive. Although some cities that host food trucks encourage their proliferation, others throw up regulatory roadblocks. This book examines the food truck phenomenon in North American cities from Los Angeles to Montreal, taking a novel perspective: social justice. It considers the motivating factors behind a city's promotion or restriction of mobile food vending, and how these motivations might connect to or impede broad goals of social justice. The contributors investigate the discriminatory implementation of rules, with gentrified hipsters often receiving preferential treatment over traditional immigrants; food trucks as part of community economic development; and food trucks' role in cultural identity formation. They describe, among other things, mobile food vending in Portland, Oregon, where relaxed permitting encourages street food; the criminalization of food trucks by Los Angeles and New York City health codes; food as cultural currency in Montreal; social and spatial bifurcation of food trucks in Chicago and Durham, North Carolina; and food trucks as a part of Vancouver, Canada's, self-branding as the “Greenest City.” Contributors Julian Agyeman, Sean Basinski, Jennifer Clark, Ana Croegaert, Kathleen Dunn, Renia Ehrenfeucht, Emma French, Matthew Gebhardt, Phoebe Godfrey, Amy Hanser, Robert Lemon, Nina Martin, Caitlin Matthews, Nathan McClintock, Alfonso Morales, Alan Nash, Katherine Alexandra Newman, Lenore Lauri Newman, Alex Novie, Matthew Shapiro, Hannah Sobel, Mark Vallianatos, Ginette Wessel, Edward Whittall, Mackenzie Wood
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,035 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».