Food activism : agency, democracy and economy
Notice bibliographique
Résumé
Introduction Ethnography of Food Activism - Valeria Siniscalchi, Ecole Des Hautes Etudes En Sciences Sociales, France and Carole Counihan, Millersville University, USA Local Engagements Food Activism in Western Oregon - Joan E. Gross, Oregon State University, USA Engaging Latino Immigrants in Seattle Food Activism - Teresa M. Mares, University of Vermont, USA Resistance and Household Food Consumption in Santiago De Cuba - Hanna Garth, University of California at Los Angeles, USA Women, Gender and Food Activism in Italy - Carole Counihan, Millersville University, USA The Movement to Reinvigorate Local Food Culture in Kyoto, Japan - Greg De St. Maurice, University of Pittsburgh, USA National Actions French Biodynamic Viticulture: Militancy or Market Niche? - Marie-France Garcia Parpet, Institut De La Recherche Agronomique, France Sicilian 'Antimafia' Food Production Cooperatives - Theodoros Rakopoulos, Goldsmiths College London, UK The Canadian Wheat Board Struggle: Taking Freedom and Democracy to Market - Birgit Muller, Centre National De La Recherche Scientifique, France Brothers in Faith: Islamic Food Activism in Egypt - Nefissa Naguib, University of Bergen, Norway Transnational Networks Information, Transparency and Democracy in the Global Coffee Trade - Daniel Reichman, University of Rochester, USA Cultures of Corn and Anti-GM Activism in Mexico and Colombia - Elizabeth Fitting, Dalhousie University, Canada Peasants' Transnational Mobilization for Food Sovereignty in La Via Campesina - Delphine Thivet, Ecole Des Hautes Etudes En Sciences Sociales, France Oscillating Between Village and Globe: Articulating Food in Sri Lankan Activism - Wim Van Daele, Vrije Universiteit Brussel, Belgium Slow Food Activism Between Politics and Economy - Valeria Siniscalchi, Ecole Des Hautes Etudes En Sciences Sociales, France Bibliography Index
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».