Characterizing food systems to better understand their vulnerabilities: a case study in Québec and São Paulo
Notice bibliographique
Résumé
Abstract Characterizing food systems, i.e., describing their organizational features, can help to generate a better understanding of the structural vulnerabilities that constrain transitions towards sustainable food security. However, their characterization across different economic contexts remains challenging. In this paper, by linking key concepts from research on food regimes, food system vulnerabilities and responsible innovation, we aim to characterize food systems in a developing and a developed economy to identify their shared vulnerabilities. We applied a case study design to characterize food production, processing and distribution in the province of Québec (Canada) and in the state of São Paulo (Brazil). In both cases, the processing and distribution stages have higher economic predominance when compared to the agricultural production stage. Furthermore, we observed concentration in a few activities in both food systems, with a shared focus on export-oriented supply chains. Vulnerabilities in both food systems include: (1) increased interdependence because some supply chains are export-oriented or depend on foreign labor and are, therefore, exposed to external risks; (2) concentration in a few activities, which threatens present and future local food diversity and (3) unequal power relations, making small and medium players vulnerable to decisions made by big players. The characterization developed in this study shows that the two food systems are mainly pursuing economic goals, following the institutional logics of the neoliberal food regime, which are not necessarily aligned with food security goals. It also exposes the presence of characteristics of ‘responsibility’ that may eventually help overcome food systems' vulnerabilities and support transitions toward sustainability.
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 | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».