Growing local food: charting meaning emergence through the dynamics of discourse, rhetoric and framing
Notice bibliographique
Résumé
This dissertation seeks to understand how new meanings emerge in the context of institutional change. Existing research seeking to understand shifts in meaning has primarily accessed meaning, across numerous contexts, via the three key constructs of discourse, rhetoric, or framing. Within the context of the emergence of the local food movement in Canada, I employ a mixed methods approach using term frequencies, topic modelling and qualitative content analysis, within a computational grounded theory framework for Big Data analysis. My data consists of all articles containing any mention of the term “local food” in popular Canadian press over 37 years from 1978-2014, a database totalling 31,421 articles. My results show that firstly, new meanings pertaining to local food emerged rapidly over the 37-year period. The emergence of a new meaning for local food, associated with the politicization of food production occurred in the second half of my dataset, whereas the first half was marked by connotations of poverty and hunger, associated with the local food bank. Secondly, unexpected actors were found to significantly impact the propulsion of meaning change, by establishing new vocabularies surrounding the term “local food”. Finally, this dissertation shows that the new meanings associated with local food emerged as a result of discursive opportunities, momentarily arising through the confluence of discourse, rhetoric and framing. I propose an emergent process model of meaning change and, further, propose that discursive opportunity structures can be better understood through the metaphor of an emergent property.
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 | 0,012 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,007 | 0,029 |
| Communication savante | 0,019 | 0,015 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».