The Immigrant Experience Through the Lens of Food: Access to Culturally Significant Foods in Rural Ontario
Notice bibliographique
Résumé
Rural Immigration has become a significant concern for overall population growth and the rapid decline of rural communities. Social, economic, and cultural factors are the main drivers attracting or detracting immigrants to settle in perspective communities. A case study was conducted in the municipality of Meaford, Ontario, to examine the experience of rural immigrants through the lens of food and their access to culturally significant foodways. \nThe study demonstrates the need for immersive cultural understanding for locals and accessible foodways for those interested in settling in remote areas. The data and reviewed literature show that many rural immigrants often feel “othered” by insufficient cultural amenities such as grocery stores, places of worship, and community initiatives. There is an opportunity to explore how rural communities can be more inclusive and welcoming for vibrant long-term immigration settlement that is sustainable for individuals and the economy. \nInterviews were conducted with immigrants to document and examine their experience living in rural Ontario in relation to their access to cultural food and community. The qualitative data demonstrates the need for immersive cultural understanding for locals and accessible foodways for those interested in settling in remote areas. Many participants depend upon travel to urban centers to get foods based on cultural importance and affordability. The data and reviewed literature show that many rural immigrants often feel “othered” by insufficient cultural amenities such as grocery stores, places of worship, and community initiatives. There is an opportunity to explore how rural communities can be more inclusive and welcoming for vibrant long-term immigration settlement that is sustainable for individuals and the economy.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,022 | 0,008 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».