MétaCan
Menu
Retour à la cohorte
Enregistrement W4282833285 · doi:10.1007/s11625-022-01154-7

Amplifying actions for food system transformation: insights from the Stockholm region

2022· article· en· W4282833285 sur OpenAlexaff
David P. M. Lam, Amanda Jiménez-Aceituno, Leonie Guerrero Lara, My M. Sellberg, Albert V. Norström, Michele‐Lee Moore, Garry Peterson, Per Olsson

Notice bibliographique

RevueSustainability Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAgriculture Sustainability and Environmental Impact
Établissements canadiensUniversity of Victoria
Organismes subventionnairesStockholms UniversitetVolkswagen FoundationSvenska Forskningsrådet FormasNiedersächsische Ministerium für Wissenschaft und Kultur
Mots-clésTransformative learningFood systemsSustainabilityVariety (cybernetics)Sustainable developmentSet (abstract data type)Adaptation (eye)Systems thinkingBusinessPolitical sciencePublic relationsEnvironmental resource managementSociologyEconomicsPsychologyComputer scienceEcologyFood securityAgricultureBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Food is essential to people and is one of the main ways in which people are connected to the world’s ecosystems. However, food systems often cause ecosystem degradation and produce ill-health, which has generated increasing calls to transform food systems to be more sustainable. The Swedish food system is currently undergoing substantial change. A varied set of local actors have created alternative sustainability initiatives that enact new ways of doing, thinking, and organizing. These actors can increase the transformative impact of their initiatives through multiple actions and a variety of amplification processes. We analyzed the actions adopted by 29 food initiatives active in the Stockholm region using information available online. We conducted 11 interviews to better understand the amplification processes of speeding up (i.e., accelerating impact), scaling up (i.e., influencing higher institutional levels), and scaling deep (i.e., changing values and mind-sets). Our results indicated that the initiatives mainly seek to stabilize and grow their impact while changing the awareness, values, and mind-sets of people concerning the food they consume (scaling deep). However, these approaches raise new questions about whether these actions subvert or reinforce current unsustainable and inequitable system dynamics. We suggest there are distinct steps that local and regional governments could take to support these local actors via collaborations with coordinated forms of initiatives, and fostering changes at the municipality level, but these steps require ongoing, adaptive approaches given the highly complex nature of transformative change and the risks of reinforcing current system dynamics.

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)0,010
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,020
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0110,019
Communication savante0,0130,009
Science ouverte0,0020,012
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · 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'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

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainability ScienceMême sujetAgriculture Sustainability and Environmental ImpactTravaux en français237 207