Building capacity through urban agriculture: report on the askîy project
Notice bibliographique
Résumé
INTRODUCTION: Many North American cities have a built environment that provides access to energy-dense food and little opportunity for active living. Urban agriculture contributes to a positive environment involving food plant cultivation that includes processing, storing, distributing and composting. It is a means to increase local food production and thereby improve community health. The purpose of this study was to understand how participating in urban agriculture can help to empower young adults and build capacity for growing food in the city. METHODS: This was a qualitative study of seven participants (five Indigenous and two non-Indigenous) between the ages of 19 and 29 years, engaged as interns in an urban agriculture project known as "askîy" in Saskatoon, Saskatchewan, Canada in 2015. We used a case-study design and qualitative analysis to describe the participants' experience based on the sustainable livelihoods framework. RESULTS: A collaborative approach had a great effect on the interns' experiences, notably the connections formed as they planned, planted, tended, harvested and sold the produce. Some of the interns changed their grocery shopping habits and began purchasing more vegetables and questioning where and how the vegetables were produced. All interns were eager to continue gardening next season, and some were planning to take their knowledge and skills back to their home reserves. CONCLUSION: Urban agriculture programs build capacity by providing skills beyond growing food. Such programs can increase local food production and improve food literacy skills, social relationships, physical activity and pride in community settings.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».