MétaCan
Menu
Retour à la cohorte
Enregistrement W4411414285 · doi:10.1080/17441692.2025.2516704

‘Keep learning, keep trying’: exploring food and cultural experiences and supports of Inuvialuit youth in the Inuvialuit Settlement Region

2025· article· en· W4411414285 sur OpenAlexafffund
Maria Ramirez Prieto, Sonja Ostertag, Kanelsa Noksana, Shayla Arey, Denise Wolki, Susie Memogana, Celina Wolki, Aimee Yurris, Kelly Skinner

Notice bibliographique

RevueGlobal Public Health · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesGlobal Water FuturesCanadian Institutes of Health ResearchPublic Health Agency of Canada
Mots-clésPhotovoiceSubsistence agricultureThematic analysisFood securitySociologyReflexivityConsumption (sociology)Socioeconomic statusGeographyPopulationQualitative researchEconomic growthAgricultureSocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Country food (CF) and subsistence harvesting are crucial for Inuvialuit of the Inuvialuit Settlement Region, contributing to food security, wellbeing and cultural continuity. However, youth face barriers to participating in these activities, with a shift away from CF consumption among younger generations. This community-based study used Photovoice to explore Inuvialuit youth experiences with CF to support Inuvialuit food security. Eleven co-researchers aged 13-30 documented their CF experiences through photographs and interviews. Reflexive thematic analysis identified five themes: (1) CF supports Inuvialuit youth wellbeing, (2) Preference for CF despite varied consumption and activity frequencies, (3) Network of CF within communities, (4) Strong foundational cultural knowledge and skills, and (5) Cultural continuity. These themes underscore the importance of CF in maintaining food security and Inuvialuit youth wellbeing.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,956
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,005
Communication savante0,0040,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,131
Tête enseignante GPT0,395
Écart entre enseignants0,263 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Public HealthMême sujetIndigenous Studies and EcologyTravaux en français237 207