Preparing for food security after COVID-19: Strengthening equity and resilience in future emergency response in Toronto
Notice bibliographique
Résumé
In early March of 2020, the COVID-19 pandemic emerged as a global health emergency that few governments were prepared to handle. Prior to the outbreak, food insecurity was already a serious public health problem impacting over 4 million Canadians, including 1 in 5 residents (18.5%) of the City of Toronto’s population. The severity of impacts of the emergency crises on vulnerable populations is dependent upon the resiliency of the food system, or the ability of a system to absorb or adapt to ‘shocks’ so that it can continue to function and provide services. This SSHRC-funded collaborative research project brings together scholars from Ryerson University’s Centre for Studies in Food Security and the City of Toronto’s Poverty Reduction Strategy Office. It aims to enhance the existing capacity of the municipal government in assessing how vulnerable neighbourhoods and food security organizations responded to the initial and residual impacts of COVID-19, and bridge gaps in local and expert knowledge necessary for developing an emergency preparedness strategy for future food-system shocks that upholds the City of Toronto’s resilience and equity goals. This project will: Investigate the responses of communities and organizations, including those that emerged in Neighbourhood Improvement Areas (NIAs) to address heightened food insecurity during the outbreak and recovery in the City of Toronto Assess emergency response preparedness in food security practice in other cities to evaluate how equity and resiliency concerns are considered before, during and after the outbreak Broker local and expert knowledge on the impacts of the COVID-19 response on the resiliency and equity of Toronto’s food systems Inform and strengthen food-system practice and policy in future emergency response.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».