MétaCan
Menu
Retour à la cohorte
Enregistrement W4306409623 · doi:10.15353/cfs-rcea.v9i3.573

Food providers’ experiences with a central procurement school snack program

2022· article· en· W4306409623 sur OpenAlexaffvenueabout
Mariam R. Ismail, Jason Gilliland, June I. Matthews, Danielle S. Battram

Notice bibliographique

RevueCanadian Food Studies / La Revue canadienne des études sur l alimentation · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésProcurementContext (archaeology)BusinessSustainabilityGovernment (linguistics)Food systemsCapacity buildingScale (ratio)MarketingPublic relationsPolitical scienceEconomic growthFood securityGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Universal, government-funded school food programs (SFPs) offer many benefits not only to the children they serve, but also to the communities that support them. To date, Canada does not have a national SFP. Thus, if one is to be considered, evaluations of current SFPs in a Canadian context are necessary. This study explored food providers’ experiences with the Centrally Procured School Food Program (CPSFP) in Southwestern Ontario, Canada. Twenty interviews were conducted with individuals involved in the production, procurement, and delivery of food to schools. Successes included improved economies of scale, increased profile and awareness of local food systems, and enhanced reach into schools. Challenges included inconsistent delivery times and unexpected food volumes that placed additional burdens on program implementation. Recommendations for program sustainability included enhanced engagement of partners, sustained funding to build capacity (including paid personnel), and more learning opportunities for students. Food providers gave insights on how the CPSFP can be improved and sustained into the future, as well as its potential to provide new opportunities for all stakeholders and have a positive impact on the local food system.

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)0,008
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,454
Score d'incertitude au seuil0,914

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0200,007
Communication savante0,0040,002
Science ouverte0,0010,006
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,168
Tête enseignante GPT0,379
Écart entre enseignants0,211 · 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

Citations2
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Food Studies / La Revue canadienne des études sur l alimentationMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207