Use of Good Agricultural Practices and Attitudes toward On-Farm Food Safety among Niche-Market Producers in Ontario, Canada: A Mixed-Methods Study
Notice bibliographique
Résumé
Major agri-food commodities in Canada use on-farm food safety (OFFS) programs that include good agricultural practices (GAPs), but niche-market (e.g. organic and small-scale) producers might have limited awareness of these programs or barriers to implementing them. We used a mixed-methods approach to study the reported use of recommended GAPs and factors related to the potential adoption of an OFFS program among niche-market producers in Ontario, Canada. Questionnaires were administered and 23 semi-structured interviews were conducted during 2008–2009. In total, 575 questionnaires were collected. The most commonly-produced commodities among respondents were vegetables (54.4%), fruits (36.7%) and beef cattle (31.1%). Disinfection of food animal drinking water and of post-harvest produce wash water was reported by 19.0% and 39.4% of respondents, respectively. Organic (26.4%) and OFFS program participation status (24.7%) were associated with the use of GAPs. Primary themes identified through interviews included concerns about the food safety of imported products, suggestions that OFFS programs be tailored by farm scale and be user-friendly and cost-recoverable, and the importance of producer education and government support. Future outreach with niche-market producers should focus on water disinfection (where appropriate), and they should be engaged in reviewing OFFS programs directed toward them to ensure their suitability and adoption.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».