Food for thought: SDG challenges, corporate social responsibility and food shopping in later life
Notice bibliographique
Résumé
With the context of changing global and local populations and, for example, their composition and distribution, this paper offers insight to food shopping in later life with a focus on Nottingham and Nottinghamshire in the East Midlands. The work is relevant and important due to the specific population makeup of this area and the challenges in achieving the UN Sustainable Development Goals (SDGs) as a result of population changes/challenges. The work takes an interdisciplinary view and draws on literature from both social policy and social care and business and marketing. Using this work as a grounding, and insights to primary research from a wider study in this area, the paper offers discussion and comment on: the importance of food and food shopping in later life; issues of, and concerns for, health, well-being, identity and community maintenance and resilience (as a direct result of the challenge to SDG achievement); and the role(s) and responsibility of business from a core business and wider business/corporate responsibility perspective as a reflection of the above and findings of the work. Using primary research undertaken by the authors, the paper supports findings from existing work from across social policy and care and business and management – related to the practicalities, challenges and the role of and approaches to food shopping in later life. It specifically offers insight to the efforts made by older food shoppers to maintain their independence and support their choices in a context of interdependence (e.g. within a family, community and environment). The importance social aspects of food shopping (as a counter to isolation and loneliness for example) are also identified and how, for example, the actions of business(es) may undermine the efforts (and resilience) of individuals and communities. “Better” understanding of food shoppers by business and other stakeholders is promoted.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,031 |
| Communication savante | 0,017 | 0,010 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».