MétaCan
Menu
Retour à la cohorte
Enregistrement W4399771324 · doi:10.32920/26053090

Resilience and Food Security During Times of Crisis: Investigating the Impact of Covid-19 and Climate Change on Urban Community Gardens in the Greater Toronto Area

2024· preprint· en· W4399771324 sur OpenAlexaffabout
Paige Robillard

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensToronto Metropolitan UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Coronavirus disease 2019 (COVID-19)Climate changeFood securityFood insecurityUrban resilience2019-20 coronavirus outbreakCommunity resilienceSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Psychological resilienceGeographyEnvironmental planningPolitical scienceEnvironmental resource managementSocioeconomicsSociologyEnvironmental scienceUrban planningPsychologyMedicineEcologyComputer scienceAgriculture

Résumé

récupéré en direct d'OpenAlex

This qualitative study investigated the impacts of the COVID-19 pandemic and climate change on urban community gardens (UCGs) in the Greater Toronto Area (GTA) with regards to use and food security. Semi-structured interviews were conducted with seven managers and eight members from nine gardens in the GTA. Data was analyzed using thematic analysis and grounded theory. Results suggest that the cultural ecosystem services provided by UCGs have helped people cope with the COVID-19 pandemic. While the relationship between individual food security and UCG use was not significant, participants were concerned about community food security. The main perception of climate change was increasing temperatures, alongside more persistent fungi/pests. This study supports current literature that UCGs help foster resilience in crises. Future research is needed to determine how much UCGs alleviate food insecurity in Canadians, and to further explore the role UCG cultural ecosystem services play in fostering resilience.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,758

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,010
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,047
Tête enseignante GPT0,276
Écart entre enseignants0,229 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetUrban Agriculture and SustainabilityTravaux en français237 207