Bibliographic record
Abstract
Ce mémoire porte sur la question de l’évolution du choix alimentaire chez les Québécois. Nos objectifs sont d’analyser pourquoi et comment le choix alimentaire des Québécois évolue et jusqu’à quel point le choix alimentaire des Québécois est médicalisé et santéisé Dans le cadre de ce mémoire, nous avons choisi de réaliser quinze entrevues auprès d’hommes et de femmes âgées de 60 ans et plus. De l’analyse thématique des entrevues que nous avons effectuées, il en ressort que les hommes et les femmes de notre échantillon lorsqu’ils parlent de santé et d’alimentation utilisent généralement un discours médicalisé et santéisé. De plus, plusieurs facteurs influencent l’évolution du choix alimentaire dont les plus importants sont la famille et l’état de santé. Nous avons relevé, même si la petite taille de notre échantillon ne nous permet pas de conclure de manière générale à des différences entre le discours des hommes et celui des femmes, que les hommes interviewés dans cette recherche tendent à justifier leur choix alimentaire selon leurs problèmes de santé et donc basent leurs choix alimentaires sur des concepts biomédicaux. Les femmes de notre échantillon justifient leurs choix alimentaires en se référant à un éventail plus large de facteurs tels que l’environnement, l’agriculture, les membres de leur famille, les problèmes de santé, les médecines parallèles. Ainsi, leurs choix s’inscrivent dans une dynamique de médicalisation et aussi de santéisation. Cette distinction suggère une piste intéressante pour des recherches ultérieures.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".