MétaCan
Menu
Retour à la cohorte
Enregistrement W4384697717 · doi:10.1177/00220094231186089

Food Waste and Survival in Times of the Soviet Famines in Ukraine

2023· article· en· W4384697717 sur OpenAlexaff
Iryna Skubii

Notice bibliographique

RevueJournal of Contemporary History · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Waste Reduction and Sustainability
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésFood wasteAgricultureState (computer science)RationingFood systemsFood chainEconomyAgricultural economicsEconomic growthGeographyNatural resource economicsFood securityEconomicsEcologyArchaeologyBiology

Résumé

récupéré en direct d'OpenAlex

This article focuses on the interconnections and interrelations between food, waste, people and state during a series of survival crises in the famines of 1921–3, 1932–3 and 1946–7 in Soviet Ukraine. Owing to grain and food requisitions, the collectivization of agriculture and rationing, as part of the state's growing control over the flow of economic resources from the 1920s to the 1940s, discarded food acquired particular importance for people's survival during these times of extremes. Focusing on both individual and institutional levels of waste production and regulation, this study explores the role of food waste in the survival practices of the starving and traces the development of their individual resourcefulness and interconnectedness with wider social and natural environments. The article explores different types of food waste, including husks, leftover food, carrion and spoiled and rotten food and the spaces of its collection. By ‘following’ the traces of waste in urban and rural landscapes, including, among others, dumpsters, slaughterhouses, cattle cemeteries and railway stations, the article brings into focus the critical changes in human–food, human–waste and human–nature relationships in times of extremes.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0020,001
Science ouverte0,0000,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,034
Tête enseignante GPT0,217
Écart entre enseignants0,183 · 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'étudeObservationnel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Contemporary HistoryMême sujetFood Waste Reduction and SustainabilityTravaux en français237 207