The framing of food in Canadian university classrooms
Notice bibliographique
Résumé
There are numerous “positivity” movements circulating such as sex positivity and body positivity that affect how sexuality and bodies are discussed, including in educational contexts. These movements have provided alternative discourses that challenge constructions of sexualities and bodies as “dangerous”, aberrant, or “other”. There is potential for “food positivity” to do the same given how food is frequently constructed as “risky”, reflecting anxieties about industrial food production and the impacts of “bad” food on human health, appearance, and the environment. Food practices, and the discourses that support them act as moral signifiers and can be exclusionary, exacerbating marginalization and inequities. Alternatively, food pedagogies can prioritize inclusion, diversity, and sustainable, resilient communities. How might the discourses that circulate in post-secondary food education construct and support positive relationships with food? Two major, and largely silo-ed, fields in Canadian higher education are Nutritional Sciences and Food Studies. Using publicly available syllabi (n=97) from undergraduate courses across Canada, this study investigated how food positivity is being enacted. In Nutritional Sciences, food positivity emphasizes nutritionism ideology whereby the composition and quantity of nutrients can add up to an (undefined) healthy diet. In Food Studies, food positivity is associated with local, equity-promoting, and culturally-sensitive approaches. In both fields, “food negativity” also appears in relation to “obesogenic” foods and systems, revealing an underlying fatphobia. Greater transdisciplinary collaboration with Fat Studies would benefit both fields in enacting a broader and more inclusive food positivity.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».