Kasvisruokaa kuntiin – miten kasvisruuan kulutusta edistetään osana kuntien ilmastotavoitteita?
Notice bibliographique
Résumé
Ruuantuotanto on globaalisti yksi suurimmista kasvihuonekaasujen aiheuttajista. Erityisen paljon ilmastopäästöjä aiheutuu eläintuotannosta. Keskiverto suomalainen voisi pienentää ruokailunsa aiheuttamia ilmastopäästöjä yli kolmanneksella, mikäli eläinperäisten tuotteiden kulutusta vähennettäisiin selvästi. Suomen 50 suurimman kunnan päästöt kattavat noin kolmanneksen Suomen kaikista ilmastopäästöistä. Kuntien päästövähennystavoitteet ovat oleellisessa osassa Suomen vuoteen 2035 asetettua hiilineutraaliustavoitetta. Työn tavoitteena oli löytää vaikuttavia keinoja edistää kasvisruokailua osana kuntien ilmastotoimenpiteitä. Erityistarkastelussa oli julkinen ruokailu ja sen ilmastokuormituksen vähentäminen. Työssä kartoitettiin keinoja, joita kunnilla on jo nyt käytössä sekä selvitettiin, mitä keinoja voisi käyttää tehokkaammin. Kehittämisosuudessa luotiin politiikkasuositukset, joita seuraamalla kuntapäättäjät voivat aiempaa tehokkaammin edistää kasvisruokailua osana kuntien ilmastotavoitteiden saavuttamista. Työ alkoi kasvisruuan kulukseen ja tarjontaan vaikuttavien tekijöiden kartoituksella. Tämän jälkeen haastateltiin muutamien kuntien keskeisiä näihin päätöksiin vaikuttaneita (kuntapäättäjät) sekä niitä toteuttaneita henkilöitä (ruokapalveluiden työntekijät). Haastateltujen vastaukset analysoitiin laadullisen tutkimuksen menetelmin ja niitä käytettiin kehittämisosuudessa yhdessä teoriatiedon kanssa politiikkasuositusten rakentamiseen. Tuloksissa on havaittavissa, että kasvisruuan lisäämistä kunnissa ei käytetä vielä täydessä potentiaalissaan. Erityisen iso puute on jo siinä, että ruokailun päästöjä ei monenkaan kunnan päästölaskennoissa huomioida, jolloin kannustimet ruokailun ilmastopäästöjen vähentämiselle eivät ole riittäviä. Kehittämistä löytyi myös muun muassa erilaisten tuuppauskeinojen hyödyntämisestä, reseptiikan kehittämisestä ja yhteistyön lisäämisestä. Työ toteutettiin Animalia ry:n toimeksiannosta.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,024 |
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 ».