Growing pains: Successes and barriers in London, Ontario’s urban agriculture strategy
Notice bibliographique
Résumé
Urban agriculture (UA) is gaining momentum across Canada in light of the COVID-19 pandemic, with growing public interest and municipal responses such as the City of London, Ontario’s 2017 London Urban Agriculture Strategy (LUAS). This paper examines the implementation and impact of the LUAS, drawing on interviews and workshop insights from for-profit and nonprofit urban food producers, processors, and distributors. Building on a prior study by Miedema (2019) of the city’s Hamilton Road neighborhood, we analyze the strengths, weaknesses, and challenges of new and existing UA initiatives across the city. Three factors emerged as critical to UA’s success: municipal governance matters, community efficacy, and the rising cost of living compounded in a post-pandemic context. We assess how London’s strategy has enabled progress—such as bylaw amendments—but also where it falls short due to limited communication, persistent land access issues, jurisdictional misalignments, and a lack of proactive leadership. Our findings contribute new insight into the institutional barriers facing UA in midsized cities and identify three key knowledge and capacity gaps—leadership, technical guidance, and communication—that must be addressed to support sustained UA implementation. We offer recommendations for closing these gaps through coordinated efforts across municipal, private, and community sectors. Ultimately, this research advances the conversation on how cities can more effectively support inclusive, resilient, and culturally valued urban food systems rooted within a food justice framework.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».