MétaCan
Menu
Retour à la cohorte
Enregistrement W786082930 · doi:10.7551/mitpress/8922.003.0009

From Industrial Garden to Food Desert: Demarcated Devaluation in the Flatlands of Oakland, California

2011· book-chapter· en· W786082930 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueThe MIT Press eBooks · 2011
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDevaluationDesert (philosophy)GeographyEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

A dilapidated liquor store stands at the corner of 17th and Center in West Oakland. With its plastic sign cracked and yellowed, its paint pockmarked and peeling away in long lesions from the store’s warped clapboard siding, it could be a cliched metaphor for the decay of America’s “inner cities” during the postindustrial era (figure 5.1). But it is also representative of the disproportionate number of liquor stores in urban communities of color. Establishments such as these often serve as the sole food retailer in areas that planners and food justice activists have come to call “food deserts.” A recent report to Congress by the USDA Economic Research Service defines food desert as an area “with limited access to affordable and nutritious food, particularly such an area composed of predominately lower income neighborhoods and communities” (USDA 2009). A number of articles and reports over the last few years have attempted to characterize and identify food deserts in the United States, Canada, Britain, and Australia. Most have concluded that in the United States, food deserts disproportionately impact people of color (Smoyer-Tomic, Spence, and Amrhein 2006; Beaulac, Kristjansson, and Cummins 2009). While many studies have drawn spatial or statistical correlations or both between race and the absence of supermarkets (Raja, Ma, and Yadav 2008; Lee and Lim 2009; Zenk et al. 2005), researchers have also found that small corner stores and ethnic grocers are abundant in these food deserts (Short, Guthman, and Raskin 2007; Raja, Ma, and Yadav 2008). Nevertheless, fresh and nutritious produce is rarely available at these small stores, and the type of food generally tends to be of poorer quality and less healthy, high in sugars and saturated fats (Cummins and MacIntyre 2002). Food access in Oakland’s food deserts falls under a similar rubric. The socioeconomic terrain demarcating poverty and affluence in this Bay

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,668
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

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

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 Opus0,113
Tête enseignante GPT0,226
Écart entre enseignants0,113 · 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