MétaCan
Menu
Retour à la cohorte
Enregistrement W2740700724

Urban agricultural practices and initiatives in built environments: case studies of Detroit and Singapore explored

2016· article· en· W2740700724 sur OpenAlexaboutno aff
Sudeshna Ghosh

Notice bibliographique

RevueUTS ePRESS (University of Technology Sydney) · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureEnvironmental planningGeographyEnvironmental resource managementRegional scienceArchaeologyEnvironmental science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Global communities are recognising the importance of integrating urban food production locally and adopting to agrarian lifestyles in cities. In this paper, review and analysis on three selected world cities: City of Vancouver, New York, and Hong Kong are conducted considering important factors of urban characteristics and practices, initiatives and performances of urban agriculture and a set of criteria is formulated. A comparative analysis of two case studies of different density cities: Detroit and Singapore is undertaken in detail based on this criteria developed. Evolving out of varying contexts and processes that have shaped urban agricultural movements in these cities, this research offers a unique insight into the lives of these two cities. Urban agriculture plays vital roles in world cities in sustaining and creating liveable and productive places and building community resilience. Outcomes suggest that functional processes and appropriate and well-aligned policies and strategies on urban food production linked to urban planning policies can transform cities and can create curative places for wellbeing and improved food security of residents. Involvements of government, private organisations, local councils, and residents would be essential for a successful long-term continuation of these practices. Future research should focus to strengthen transdisciplinary connections between health, planning and other disciplines.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,237
Score d'incertitude au seuil0,331

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,027
Tête enseignante GPT0,227
Écart entre enseignants0,200 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUTS ePRESS (University of Technology Sydney)Même sujetUrban Agriculture and SustainabilityTravaux en français237 207