MétaCan
Menu
Retour à la cohorte
Enregistrement W3202983029 · doi:10.3390/cli9100148

Non-Conventional Agricultural Spaces and Climate Change: The Cases of Le Grenier boréal and Lufa Farms in Quebec, Canada

2021· article· en· W3202983029 sur OpenAlexafffundabout
Mélanie Doyon, Juan‐Luis Klein

Notice bibliographique

RevueClimate · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesFonds de Recherche du Québec-Société et Culture
Mots-clésAgricultureProduction (economics)Natural resource economicsClimate changeFood securityBusinessFood processingPopulationGeographyProfitability indexConsumption (sociology)Balance (ability)Agricultural productivityAgricultural economicsEconomicsPolitical scienceEnvironmental healthEcologyFinanceMedicineSociology

Résumé

récupéré en direct d'OpenAlex

The objective of this text is to present a reflection on the link between local initiatives to combat food insecurity and actions adapting to climate change. To this end, two case studies of ongoing experiments in the Canadian province of Quebec will be presented and compared. While these two cases are very different in terms of location, production and people involved, they share the objective of bringing fresh and healthy food, produced locally, to the population of their territory and of rethinking the relationship of the community to nature through food production. Despite their significant differences, each of these two cases features actions for responding to problems that have a common cause: an agro-industrial food system that, by decoupling the locations of production and consumption, in order to maximize the economic profitability of the capital invested, has compromised both the health of citizens and the ecological balance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,064
Score d'incertitude au seuil0,468

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0160,006
Communication savante0,0030,001
Science ouverte0,0030,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,013
Tête enseignante GPT0,201
Écart entre enseignants0,188 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClimateMême sujetUrban Agriculture and SustainabilityTravaux en français237 207