MétaCan
Menu
← Retour à la cohorte
Enregistrement W7014840781

On s'adapte! : une étude sur les stratégies utilisées pour faire face à l'insécurité alimentaire

2018· other· fr· W7014840781 sur OpenAlexaboutno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2018
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFace (sociological concept)Social impactSocial relationship
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L’insécurité alimentaire est un défi quotidien auquel doivent faire face environ 1,1 million de ménages canadiens (Statistique Canada, 2012). Les individus composant ces ménages doivent avoir recours à une diversité de stratégies visant à diminuer les dépenses ou à accroître les revenus disponibles. Ce mémoire vise à comprendre les éléments qui influencent le recours à ces stratégies en dégageant leur structure symbolique. Pour ce faire, des entrevues semi-dirigées ont été réalisées auprès de seize personnes ayant recours à l’aide alimentaire. Lors de ces entrevues, les participants étaient invités à décrire et à commenter les stratégies qu’ils utilisent. Ce faisant, il a été possible de répertorier les stratégies utilisées ainsi que de dégager les représentations qui y sont associées. L’analyse du corpus d’entrevues a révélé que les stratégies d’adaptation utilisées pour faire face à l’insécurité alimentaire sont orientées en fonction d’impératifs issus de l’environnement économique et normatif dans lequel les participants évoluent. Par conséquent, les personnes en situation d’insécurité alimentaire doivent se conformer à des règles sur lesquelles elles ont peu de contrôle. Toutefois, la manière dont les participants interprètent ces règles influence la logique du recours aux stratégies d’adaptation. Les différentes logiques d’action sont décrites dans quatre idéaltypes alliant à la fois les motivations poussant les personnes en situation d’insécurité alimentaire à recourir aux stratégies d’adaptation et la manière dont elles se les représentent.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,005
Communication savante0,0060,007
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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 Opus0,013
Tête enseignante GPT0,203
Écart entre enseignants0,189 · 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
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)→Travaux en français237 207→