MétaCan
Menu
Retour à la cohorte
Enregistrement W4385366524 · doi:10.1002/sd.2697

Promoting local food products for sustainability: Developing a taxonomy of best practices

2023· article· en· W4385366524 sur OpenAlexafffund
Laurence Guillaumie, Lydi‐Anne Vézina‐Im, Olivier Boiral, Jacques Prescott, A. Bergeron, Alexander Yuriev

Notice bibliographique

RevueSustainable Development · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensHEC MontréalUniversité du Québec à ChicoutimiUniversité Laval
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSustainabilityPromotion (chess)BusinessIdentification (biology)Taxonomy (biology)Public relationsEnvironmental resource managementProcess managementPolitical scienceEcologyBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract The number of practices promoting local food have been rapidly growing in recent years, mainly in response to the increasing interest from consumers and their sustainability benefits. The objective of this scoping review is to present a taxonomy of the most promising promotion practices in this domain. A targeted search within a database specialized in storing newspaper articles resulted in the identification of 78 documents that were published prior to COVID‐19 pandemic. Their analysis led to the development of a taxonomy containing four major categories regrouping 14 types of initiatives to promote local food products. The review also highlighted the principal strengths of these initiatives (e.g., facilitating access to local food products, promoting social diversity, integration, and solidarity), as well as some obstacles (e.g., funding, infrastructure, and volunteer recruitment). The taxonomy presented in this review can be used to guide the analysis of existing or the development of new local food promotion initiatives, thus encouraging sustainability in this domain.

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)0,037
score de la tête « metaresearch » (Gemma)0,069
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: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,194

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,069
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0430,038
Études des sciences et des technologies0,0030,004
Communication savante0,0140,015
Science ouverte0,0040,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,044
Tête enseignante GPT0,250
Écart entre enseignants0,205 · 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

Citations12
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainable DevelopmentMême sujetOrganic Food and AgricultureTravaux en français237 207