The integration of action research and traditional field research to provide sustainable solutions to maintaining periurban agriculture
Notice bibliographique
Résumé
Abstract Maintaining periurban agriculture and prime periurban farmland has become a leitmotiv in land use planning and management around many cities in North America and Western Europe since the 1960s. This article focuses on the changing perspectives associated with these planning and management initiatives as well as changing research approaches. Initially, periurban farmland was often seen by planners as a land reserve for urban development. Subsequently, concern was expressed about maintaining the prime agricultural land resource via farmland protection programmes, especially in North America in the 1960s and 1970s. Early research into periurban agriculture involved statistical analyses of farmland losses and changing agricultural production systems, and farmer interviews to identify pressures and opportunities facing periurban agriculture. Gradually, it became clear that maintaining farmland resources and farm activities required more than just ‘protecting’ them from urbanisation. Two types of initiatives developed: (1) the construction of agricultural development plans to ensure sustainable farm development, e.g. in Quebec since 2008, in France since the mid‐1970s and more recently in Wallonia (Belgium) in 2014; and (2) a change in the research approach to support periurban agricultural sustainability. While still using interviews with farmers and other actors, more important is the emergence of action research to provide support to farmers, their neighbours, elected officials and professionals in developing agricultural development plans, with the aim of achieving a better integration of periurban agriculture into the regional urban system. This paper develops this reasoning using research in Canada, France, and principally Belgium to illustrate the argument.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,119 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,043 |
| Communication savante | 0,016 | 0,016 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».