Shared Opportunities on Institutional Lands
Notice bibliographique
Résumé
AIM: This article outlines preliminary findings of a 3-year project that explored on-site food production on institutional properties, primarily healthcare facilities. BACKGROUND: There are growing pressures on healthcare facilities to improve their food offerings and incorporate food gardens into their health programs. While several healthcare facilities produce food on-site, there are few studies that explore opportunities, capacities, and institutional barriers related to on-site food production. METHODS: The study employed mixed methods including historical review, case studies, surveys, interviews, pilot garden projects, and Geographic Information System mapping. The number of participating institutions varied by method. RESULTS: Benefits associated with on-site food production can be health, economic, environmental, and social. There are also institutional barriers including administrative roadblocks, perceived obstacles, and the difficulty in quantitatively, measuring the qualitatively documented benefits. CONCLUSIONS: The benefits of food gardens far outweigh the challenges. On-site food production has tremendous potential to improve nutrition for staff and patients, offer healing spaces, better connect institutions with the communities in which they are located, and provide the long-professed benefits of gardening for all involved-from therapeutic benefits and outdoor physical activities to developing skills and social relationships in ways that few other activities do.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,006 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,002 | 0,026 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,041 | 0,002 |
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 ».