Exploring the Lived Experiences of Minority Potato Farmers: A Multi-Lens Framework for Policy and Planning Reform
Notice bibliographique
Résumé
The primary focus of this paper is to understand the experiences of minority potato farmers in Ontario, through a holistic approach. For the context of this research paper, the term ‘minority’ refers to small-scale farmers (<200 acres) and/or those farmers who identify as Black, Indigenous, and People of Colour (BIPOC). Though scarce, the existing literature suggests that the small-scale, urban, and BIPOC farming movements have gained momentum in Canada within the past 5-10 years. The resulting contributions to community agri-food systems and well-being have been significant; however, these contributions and their corresponding systems are understudied.Therefore, this paper uses a holistic Systems Thinking perspective as a lens to recognize the complex relationships and connections between society, animals, and the environment based on the experiences of the farmers. To understand the aforementioned areas of interest, semi-structured interviews with members of these farming minority groups were conducted. A review of the available literature on related themes has also been included.It was found that the contributions of minority farmers are particularly relevant in tight-knit, rural areas as well as in low-income urban areas. Their challenges were nuanced, with cultural or racial minority farmers facing increased emotional health barriers. Overall, the findings and recommendations support the notion that to stabilize local food systems, we must take a systematic approach to combat food insecurity, social inequality, climate change, and to bolster potato production in Ontario. Hence, we must effectively engage minority farmers who often represent changemakers in their communities and whose motivations and practices differ largely from mainstream production.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».