Growing in relation with the land: Experiential learning of Root and Regenerate Urban Farms
Notice bibliographique
Résumé
The food landscape of Calgary, Canada, is sown with an abundance of polycultures. Alongside place-specific Indigenous foodways are food rescue, banking, and hamper programs, food studies scholars, a City of Calgary food resilience plan, and a growing number of alternative food network producers. Within the local alternative food network, there has been a boom in advancing indoor growing for our colder climate, including container, aquaponic, vertical hydroponic, and greenhouse growing. Situated as an agrarian ethnographer and an urban regenerative farmer, we seek to highlight the viability of agricultural techniques that are in relation with the land to grow more socially and ecologically sustainable food and farm systems in and around Calgary. From this position, we formed a collaboration between the University of Calgary, Root and Regenerate Urban Farms, and the Young Agrarians to document the cultivation process for a production urban farm. Over the course of one growing season—May to September, 2021—we harvested approximately 7,000 lbs (3,175 kg) of produce across nine urban spaces totaling 0.26 acres. The 48 vegetable varieties were distributed to 35 community supported agriculture shareholders, weekly farmers market customers, restaurant chefs, and members of the YYC Growers and Distributors cooperative. Moreover, we donated 765 lbs (347 kg) of surplus produce to the Calgary Community Fridge, Calgary Food Bank, and the Alex Community Food Centre, which work to mitigate food insecurity. Through a reflexive practitioner approach, our reflective essay discusses the benefits and limitations of Small Plot Intensive Farming methods and urban land-sharing strategies, as well as the viability of land-based urban agriculture in a rapidly changing socio-ecological climate. Our paper also demonstrates the potential for transcending siloed approaches to knowledge-making vis-à-vis experiential learning partnerships between graduate student researchers, farmers, and agricultural organizations.
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 | 0,001 | 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 | 0,001 |
| 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 ».