Democratizing food systems: A scoping review of deliberative mini-publics in the context of food policy
Notice bibliographique
Résumé
Deliberative mini-publics (DMPs) have attracted growing attention from both researchers and practitioners in recent years. Their purpose is to assemble random groups of citizens, representing a cross section of society, in order to engage in discussions about policy issues and formulate recommendations. During these sessions, participants are exposed to contrasting perspectives from experts and engage in respectful internal deliberations, facilitated by organizers, before arriving at a carefully considered joint policy position on the topic at hand. DMPs are grounded in the belief that citizen involvement and input are essential if policy reforms are to be perceived as legitimate by the public. In the agri-food domain, they represent an innovative way to rebuild public trust in the food system, allowing citizens to reshape food policy in alignment with their values and concerns. In this study, we conducted a scoping review of the literature to assess the contexts in which food-related DMPs emerge, as well as their organizational characteristics, procedural qualities, and results. We identified a total of 24 case studies, revealing significant diversity between DMPs in terms of their policy themes, formats, and recruitment and decision-making procedures. In terms of results, participants reported that attending the DMP had been a positive experience and had increased their awareness of, and ability to engage in, food policy debates. However, only a handful of DMPs led to documented policy reforms. We argue that greater emphasis should be placed on post-deliberation activities and dialogues if DMPs are to make a meaningful impact and contribute to the democratization of food systems.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».