MétaCan
Menu
Retour à la cohorte
Enregistrement W7033660616

The rise of urban agriculture in Belgium: feeding the population through investing in two large cities: Brussels-Capital and Liège

2017· article· en· W7033660616 sur OpenAlexaboutno aff

Notice bibliographique

RevueORBi (University of Liège) · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Sexuality, and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgricultureWork (physics)PopulationAgricultural landUrban agricultureSAFERAgricultural productivityEconomic shortageLand use
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The loss of farms is problematic in Belgium, particularly in Wallonia (68% loss between 1980 and 2015) and in the Brussels-Capital Region and access to land is a real challenge for farmers to deal when setting up their farms. Recently, however, there has been a real increase in awareness of the importance of agricultural activity and land on the part of public authorities and especially of citizens who are trying to regain control of their food. These citizens are looking for a healthier and safer food in the face of the shortage of agricultural land in a densely populated country. The smallest interstices of the cities are occupied to set up innovative agricultural projects such as in Brussels and Liège where vegetable gardens and a Food Land Belt is developing to feed the populations of the cities. These agri-urban projects are the work of the citizens themselves, who take the initiative themselves to realize these innovative actions by pooling their knowledge and tools centered on new agricultural production models. We highlight the actions taken by certain segments of the population in the cities of Brussels and Liège where food, social and environmental issues have become a concern for consumers who invest in the green spaces left vacant compared to what is being done in other countries such as Canada or France, for more than a decade.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil0,604

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0000,002
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 Opus0,042
Tête enseignante GPT0,303
Écart entre enseignants0,261 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueORBi (University of Liège)Même sujetGender, Sexuality, and EducationTravaux en français237 207