Acheter des fruits et légumes locaux sur mon chemin : analyse de la fréquentation et des premiers effets du Marché solidaire Cadillac
Bibliographic record
Abstract
Les systèmes alimentaires alternatifs font partie des stratégies prometteuses pour améliorer l’accès aux fruits et légumes (FL) frais des populations défavorisées et mal desservies. Peu de données probantes existent pour saisir leur portée et leur efficacité. Suite à l’implantation d’un kiosque maraîcher à la sortie d’une station de métro de Montréal, cette étude vise à analyser l’évolution de sa fréquentation, du profil de ses utilisateurs et les caractéristiques des utilisateurs rapportant une augmentation de leurs achats de FL au cours des deux premières saisons. Deux sources de données ont été analysées : les données de ventes recueillies par une application de paiement mobile et une enquête répétée auprès des utilisateurs (2016, n=214 ; 2017, n=151). Une augmentation significative de la fréquentation a été observée, les utilisateurs de 2017 achetaient plus au kiosque. Une plus grande proportion d’entre eux le fréquentait hebdomadairement et rapportait une consommation d'au moins 5 FL/jour. Les utilisateurs de 2017 étaient majoritairement plus favorisés qu’en 2016. En 2017, 23% affirmaient acheter davantage de FL, comparativement à 12% en 2016. Les caractéristiques des 23% correspondraient davantage à la population ciblée. Par ailleurs, ils étaient plus susceptibles de fréquenter le kiosque hebdomadairement, de percevoir peu abordables les FL de leur quartier et de ne pas avoir accès à une automobile. Un an après son ouverture, le kiosque affiche un certain succès, mais sa capacité à rejoindre les populations défavorisées est mitigée. Au-delà de l'amélioration de l'accès physique, l’ajout d’incitatifs réduisant les barrières économiques serait plus efficace pour diminuer les inégalités de santé.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".