Bibliographic record
Abstract
Alors que l’on peut s’initier à une vaste panoplie de cultures alimentaires internationales au sein de la plupart des villes nord-américaines, qu’en est-il de la découverte de cultures alimentaires autochtones ? Existe-il des « restaurants autochtones » ? Au Canada, de telles initiatives fleurissent lentement, à ce point qu’il est dorénavant possible de « manger autochtone ». L’offre reste toutefois restreinte et, à l’exception de Toronto et de Vancouver, il est plutôt rare de trouver plus d’un restaurant de ce type dans une même ville. À quoi s’attendre lorsqu’on mange dans l’un de ces restaurants ? Comment la diversité culturelle des peuples autochtones est-elle mise en scène ? Retrouve-t-on des plats communs (entre quoi et quoi ?) ? Un itinéraire gourmand entre Montréal et Vancouver a permis de visiter treize restaurants et d’en analyser le menu, le décor et l’ambiance. L’article porte ainsi sur la mise en scène de l’autochtonie dans ces lieux généralement situés en centre-ville et qui s’adressent à un public varié, autant autochtone qu’allochtone. Une discussion sur les implications du terme « autochtone », en tant que désignant une entité sociale globale rassemblant une multitude de cultures distinctes, amène à s’interroger sur les enjeux liés au fait de s’y identifier. Les défis d’une telle restauration sont aussi discutés afin de déceler, au sein des restaurants concernés, l’émergence d’une forme de cuisine autochtone globalisée mobilisant des symboles et des référents culturels panindiens.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.012 | 0.008 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.024 | 0.004 |
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".