Renforcer les compétences grâce à l’agriculture urbaine : rapport sur le projet Askîy
Notice bibliographique
Résumé
Introduction De nombreuses villes d’Amérique du Nord ont construit un environnement donnant accès à des aliments riches en calories et laissant peu de possibilités de mener une vie active. L’agriculture urbaine contribue à un environnement favorable grâce à la culture de végétaux destinés à l’alimentation, ce qui implique leur transformation, leur entreposage, leur distribution et leur compostage. Elle constitue un moyen d’augmenter la production alimentaire locale et d’améliorer ainsi la santé dans les collectivités. Cette étude avait comme objectif de comprendre comment la participation à l’agriculture urbaine peut contribuer à l’autonomisation de jeunes adultes et au renforcement des compétences à cultiver des aliments en ville. Méthodologie Il s’agissait d’une étude qualitative reposant sur sept participants (cinq Autochtones et deux non-Autochtones) de 19 à 29 ans, recrutés comme stagiaires dans un projet d’agriculture urbaine appelé « Askîy » à Saskatoon (Saskatchewan, Canada) en 2015. Nous avons utilisé un modèle d’étude de cas et une analyse qualitative pour décrire l’expérience des participants en fonction du Cadre des moyens de subsistance durables. Résultats L’approche collaborative a eu un effet majeur sur l’expérience des stagiaires, en particulier dans les liens qu’ils ont formés au fil de la planification, de la plantation, de l’entretien, de la récolte et de la vente des produits. Certains stagiaires ont changé leurs habitudes en matière d’épicerie et ont commencé à acheter plus de légumes et à demander où et comment sont produits les légumes. Tous les stagiaires étaient enthousiastes à l’idée de jardiner de nouveau l’année suivante, et certains d’entre eux planifiaient d’appliquer leurs connaissances et leurs compétences dans leur réserve d’origine. Conclusion Les programmes d’agriculture urbaine renforcent les compétences en permettant d’acquérir des habiletés qui vont au-delà de la culture d’aliments. Ils augmentent la production alimentaire locale et améliorent les compétences en littératie alimentaire, les relations sociales, l’activité physique et la fierté au sein de la collectivité.
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 | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».