A Survey of Urban Agriculture Organizations and Businesses in the US and Canada: Preliminary Results
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This report summarizes the results of an online survey, conducted during February and March 2013, of 251 groups involved with urban agriculture (UA) projects in approximately 84 cities in the US and Canada. This is only a preliminary report. As such, we present descriptive statistics rather than a interpretive analysis of the survey responses. Furthermore, it is important to recognize that these results are not necessarily representative of all urban agriculture businesses and organizations across North America. Nevertheless, these results point to certain trends and patterns that offer rich opportunities for further inquiry. Our preliminary results reveal that the UA landscape is highly diverse. From beekeeping on balconies to vegetable production on multi-acre farms, UA incorporates a broad range of practices on a diversity of types of urban spaces across North America. Survey results also reveal the wide diversity of groups practicing UA, from businesses to non-profits to public institutions to informal collectives. These groups vary in size; some are entirely focused on UA work, while for others, UA is a secondary activity. We highlight some of the differences in how these groups practice UA, and how these practices vary between cities. Groups face many similar challenges in terms of funding, labor, and access to space, but certain barriers and needs are greater in some cities than in others. Funding for UA projects – if there is any at all – can come from many different sources and, in some cases, the source of funding impacts the type of UA practiced. Finally, the motivations of groups practicing UA are diverse. While groups frame their engagement in UA a variety of ways, however, interest in community building, education, food quality, and sustainability drives most UA practice among our respondents.
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.
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 | 0,001 |
| 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 découle