Sécurité alimentaire à Cambridge Bay - Volet Économie et approvisionnement
Bibliographic record
Abstract
Cet ensemble de données a été produit dans le cadre du projet "Participatory Action for an Inuit-Led Research on Food Production and Nutrition in Inuit Nunangat", co-dirigé par Caroline Hervé (département d'anthropologie) et Patrice Dion (département de phytologie) de l'Université Laval. Le projet a été financé par Sentinelle Nord (Appel à projets ciblé), de 2019 à 2023. Il avait pour but d'appuyer, à travers une recherche participative, la communauté inuit de Cambridge Bay (Nunavut) dans les efforts qu’elle déploie pour mettre en place son propre système de production alimentaire locale. Le projet a été déployé en cinq volets: anthropologie de la recherche participative; anthropologie de la santé; économie et approvisionnement; agriculture et phytologie; valeur nutritionnelle. Le présent jeu de données concerne le volet Économie et approvisionnement. Les objectifs étaient les suivant: Économique : (1) Faire le portrait du modèle économique alimentaire des baies et légumes à Cambridge Bay ; (2) Documenter les attentes des citoyens de Cambridge Bay en termes de produits et de prix ; (3) Discuter de l’impact potentiel d’une éventuelle serre sur ce modèle économique. Approvisionnement : (1) Comprendre le fonctionnement/les particularités de la chaîne d’approvisionnement des produits périssables dans les régions nordiques éloignées ; (2) Identifier les enjeux caractérisant l’approvisionnement des produits périssables, plus particulièrement les fruits et légumes, par les détaillants dans les régions nordiques éloignées. Les données ont été récoltées à l'aide de 12 entretiens semi-dirigés, d'un groupe de discussion (5 participants) et de l'observation sur le terrain. Compte tenu de la nature sensible des données, celles-ci ne peuvent pas être partagées. Par ailleurs, un article scientifique a été soumis pour publication.
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 | 0.005 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".