MétaCan
Menu
Retour à la cohorte
Enregistrement W4360838389 · doi:10.1177/13607804231155260

Discounts as a Barrier to Change in Our Food Systems

2023· article· en· W4360838389 sur OpenAlexaboutno aff
Lisa Jack

Notice bibliographique

RevueSociological Research Online · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Portsmouth
Mots-clésEmbeddednessContext (archaeology)Food supplyFood systemsMarketingFood distributionBusinessScale (ratio)EconomicsSociologyPublic relationsPolitical scienceFood securitySocial scienceAgricultureLaw

Résumé

récupéré en direct d'OpenAlex

Despite the wealth of discussion and ideas on how food systems might change, and all the plans and schemes created to provide solutions to unsustainable food systems, very few researchers have examined the accounting practices that define socio-economic relationships around food. In this article, I show that the imperative for each entity in food supply networks to obtain a discount on costs involved in food supply to survive on very thin margins, inhibits large-scale change. The approach here is introductory, providing an explanation of the accounting issues involved for a non-accounting audience, and an illustrative case study is used to show the embeddedness of always ‘getting a discount’. The case study is drawn from interview data with those involved in intermediary companies and in alternative food distribution in Canada and the USA. The difficulties faced by organisations distributing food on a more local level and the lack of lasting and widespread change despite their endeavours, is shown to linked to the inevitability that they too need to ‘get discounts’ to survive. This interdisciplinary study is important to provide context for sociological thinkers and activists seeking to understand the barriers to change in food behaviours and food strategies.

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)0,016
score de la tête « metaresearch » (Gemma)0,039
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,039
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0100,028
Communication savante0,0140,012
Science ouverte0,0020,012
Intégrité de la recherche0,0040,005
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 Opus0,201
Tête enseignante GPT0,412
Écart entre enseignants0,212 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociological Research OnlineMême sujetOrganic Food and AgricultureTravaux en français237 207