Community-based research for food system policy development in the City of Guelph, Ontario
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Community-based research (CBR) has grown in popularity as a research approach, which aims to foster collaboration between academic researchers and community members or organisations. CBR is often initiated with the intention of creating constructive social change at the same time as generating knowledge or understanding of specific concerns raised by community members. The June 2011 Ontario Provincial Planners Institute Call to Action, entitled Planning for food systems in Ontario, identified the need for participatory planning for sustainable food systems in municipal policy planning. This article provides an example of one such planning process in Guelph, Ontario. Using principles of CBR, researchers from the University of Guelph partnered with a grassroots food security organisation in order to collaborate on food policy planning and make a contribution to the review process for the City's Official Plan. Bringing together best practices from literature, case study examples, and engagement with citizens through a focus group session, the process resulted in a submission of policy recommendations to City staff. This article aims to contribute to the practice of CBR by highlighting the benefits and barriers encountered in one CBR process. Keywords: community-based researchurban agriculturemunicipal food policy Acknowledgements Our special thanks to the staff at the ICES University of Guelph, the City of Guelph and the GWFRT for their roles in this project. The authors also acknowledge partial funding from the Ontario Ministry of Food, Agriculture and Rural Affairs.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle