On s'adapte! : une étude sur les stratégies utilisées pour faire face à l'insécurité alimentaire
Bibliographic record
Abstract
L’insécurité alimentaire est un défi quotidien auquel doivent faire face environ 1,1 million de ménages canadiens (Statistique Canada, 2012). Les individus composant ces ménages doivent avoir recours à une diversité de stratégies visant à diminuer les dépenses ou à accroître les revenus disponibles. Ce mémoire vise à comprendre les éléments qui influencent le recours à ces stratégies en dégageant leur structure symbolique. Pour ce faire, des entrevues semi-dirigées ont été réalisées auprès de seize personnes ayant recours à l’aide alimentaire. Lors de ces entrevues, les participants étaient invités à décrire et à commenter les stratégies qu’ils utilisent. Ce faisant, il a été possible de répertorier les stratégies utilisées ainsi que de dégager les représentations qui y sont associées. L’analyse du corpus d’entrevues a révélé que les stratégies d’adaptation utilisées pour faire face à l’insécurité alimentaire sont orientées en fonction d’impératifs issus de l’environnement économique et normatif dans lequel les participants évoluent. Par conséquent, les personnes en situation d’insécurité alimentaire doivent se conformer à des règles sur lesquelles elles ont peu de contrôle. Toutefois, la manière dont les participants interprètent ces règles influence la logique du recours aux stratégies d’adaptation. Les différentes logiques d’action sont décrites dans quatre idéaltypes alliant à la fois les motivations poussant les personnes en situation d’insécurité alimentaire à recourir aux stratégies d’adaptation et la manière dont elles se les représentent.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".