Migrer et manger dans un espace social alimentaire transculturel
Bibliographic record
Abstract
Cet article analyse les résultats d’entrevues réalisées avec 72 personnes immigrantes résidant à Montréal depuis moins de dix ans. Les entrevues abordaient les sujets de leurs habitudes et de leurs préférences alimentaires. Malgré la diversité des pays sources et des profils socioéconomiques et démographiques des répondants, il se dégage des résultats des similitudes structurelles marquées au sein de l’échantillon. Dans l’ensemble, les répondants demeurent très attachés à leur style alimentaire prémigratoire et tentent de conserver un continuum alimentaire aussi cohérent que possible. La représentation du « vrai repas » est fortement liée à l’idée de fraîcheur, de préparation à la maison, de même qu’à l’emploi d’aliments et de techniques « traditionnelles ». Cependant, on constate des changements au niveau de la consommation de viandes et de fruits, de même qu’au niveau de la temporalité alimentaire chez certains sous-groupes de l’échantillon. Dans l’ensemble, la consommation de « fast-foods », de produits congelés ou prêts à l’emploi demeure très faible. Il ressort aussi très clairement que, dans les processus de marquage alimentaire, l’identité des mangeurs et l’identification des aliments sont des dimensions fondamentales dans la compréhension de ces phénomènes de transformation et de rétention culturelle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".