Centering farmers’ perspectives in assessing the resilience of food farming in rapidly urbanizing regions
Notice bibliographique
Résumé
Alarmed by farmland conversion, growing food insecurity, and increasingly threatened resources, multi-stakeholder groups endeavor to improve access to fresh food and protect farmland’s multiple community benefits. To inform the allocation of scarce resources needed to sustain local food production, this transdisciplinary action research investigated farm-level resilience within a fragmented county context. What will be needed to retain and enhance local food production capacity for the long term? Iterative analytical approaches utilized multiple data sources framed by agroecological resilience principles. Immersion in the local food movement, as a researcher, consumer, educator, and farmer advocate, offered ample participant observation opportunities across the Portland-Vancouver Metropolitan Region. Primary data also included semi-structured interviews and farming system assessments on 23 farms and two farmer-only roundtables. Analysis of public data compiled from multiple sources documented the high rate of farm turnover, a steady loss of agricultural capacity across all operational scales, and data insufficiencies. While direct-to-consumer (DTC) markets and supportive institutions strive to improve farm viability in urban regions, even DTC farms are only marginally resilient, at best. My dissertation research found an urgent need to redesign local policies, public institutions, and support networks in accordance with stated farmer needs. A pandemic-response assessment informs the next phase of collaborative action research by centering grassroots-led solutions forwarded by Black, Indigenous, People of Color (BIPOC) communities. How does equitable food-oriented development, aligned with BIPOC food sovereignty goals, serve to advance agroecological resilience and food system justice in metropolitan regions?
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 | 0,001 |
| 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 ».