Time for a vision exam: diagnosing problems in the pursuit of equitably transformative resilience in food systems
Notice bibliographique
Résumé
Amid intensifying climate change, biodiversity collapse, political instability, and widening inequality, the urgency to reimagine food systems is greater than ever. This commentary builds on the concept of Equitably Transformative Resilience (ETR), first proposed in the 2025 High Level Panel of Experts on Food Security and Nutrition (HLPE-FSN) report Building Resilient Food Systems (HLPE, 2025). As elaborated in the report, conventional approaches to resilience emphasize “bouncing back,” through privileging risk management and return to its prior state, reinforcing the very structures that generated vulnerability. These framings obscure ecological fragility and entrenched inequities, leaving communities and ecosystems unable to achieve genuine resilience. Drawing on the HLPE report and the wider literature, we use the metaphor of a vision exam to identify six common ways that dominant resilience framings are distorted in relation to food systems: (1) tunnel vision (siloed thinking), (2) bifocalism (separating ecological and social dimensions), (3 and 4) temporal myopias (ignoring historical injustices and short-termism), (5) spatial myopia (overlooking cross-scale dynamics), and (6) overlooking intersectionality. Correcting these distortions illuminates pathways toward ETR.
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 | 0,018 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,048 |
| Communication savante | 0,013 | 0,017 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,014 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».