MétaCan
Menu
← Retour à la cohorte
Enregistrement W6913094966 · doi:10.5683/sp3/pgopye

Sécurité alimentaire à Cambridge Bay - Volet Perceptions et valeur nutritionnelle

2024· dataset· fr· W6913094966 sur OpenAlexaffabout

Notice bibliographique

RevueBorealis · 2024
Typedataset
Languefr
Domaine
Thématique
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésBayFood processingFood consumptionRural development

Résumé

récupéré en direct d'OpenAlex

Cet ensemble de données a été produit dans le cadre du projet "Participatory Action for an Inuit-Led Research on Food Production and Nutrition in Inuit Nunangat", co-dirigé par Caroline Hervé (département d'anthropologie) et Patrice Dion (département de phytologie) de l'Université Laval. Le projet a été financé par Sentinelle Nord (Appel à projets ciblé), de 2019 à 2023. Il avait pour but d'appuyer, à travers une recherche participative, la communauté inuit de Cambridge Bay (Nunavut) dans les efforts qu’elle déploie pour mettre en place son propre système de production alimentaire locale. Le projet a été déployé en cinq volets: anthropologie de la recherche participative; anthropologie de la santé; économie et approvisionnement; agriculture et phytologie; valeur nutritionnelle. Le présent jeu de données concerne le volet Perspectives et valeur nutritionelle. L’objectif général de ce volet était de favoriser l’intégration des légumes et fruits cultivés localement dans l’alimentation des Inuit de Cambridge Bay. Il impliquait d'explorer les perceptions des membres de la communauté de Cambridge Bay concernant la qualité nutritionnelle des légumes et fruits disponibles en épicerie, ainsi que leurs attentes quant à celle des légumes et fruits cultivés localement. Les données ont été récoltées à l'aide de 11 entretiens (10 femmes, 1 homme) menés à Cambridge Bay au mois de juin 2022. Les participants, tous majeurs, ont été recrutés sur une base volontaire au centre communautaire local. Les données ne sont pas disponibles présentement. Pour toute question, se référer au document "Lisez-moi".

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,905

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,003
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,019
Tête enseignante GPT0,291
Écart entre enseignants0,272 · 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'étudeObservationnel
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBorealis→Travaux en français237 207→