MétaCan
Menu
Retour à la cohorte
Enregistrement W2151686888 · doi:10.1080/13549839.2013.788493

Community-based research for food system policy development in the City of Guelph, Ontario

2013· article· en· W2151686888 sur OpenAlexafffundabout
Ryan Hayhurst, Frances Dietrich-O’Connor, Shelley Hazen, Karen Landman

Notice bibliographique

RevueLocal Environment · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueOrganic Food and Agriculture
Établissements canadiensUniversity of Guelph
Organismes subventionnairesUniversity of Guelph
Mots-clésFood systemsEnvironmental planningEconomic growthRegional sciencePolitical scienceBusinessAgricultural economicsGeographySocioeconomicsFood securityEnvironmental healthEnvironmental resource managementPublic administrationSociologyEnvironmental scienceEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

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.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,945

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0180,005
Communication savante0,0050,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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.

Tête enseignante Opus0,087
Tête enseignante GPT0,244
Écart entre enseignants0,157 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueLocal EnvironmentMême sujetOrganic Food and AgricultureTravaux en français237 207