Notice bibliographique
Résumé
Social assistance has proven to be insufficient for low-income families to meet all their basic needs, and covid-19 has further impacted the ability for households to be well fed and healthy. The federal and provincial governments have promised increased funding for agricultural sectors in hopes to increase food security infrastructure. However, large-scale farm operations require an extraordinary use of natural resources, thus questioning the sustainability of industrial agriculture in meeting food security demands at a local level. Thereby exemplifying why alternative policy strategies must be explored due to the problem of affordability amplified by covid-19, as well as the sustainability of agriculture activities in the era of climate awareness. This article argues the potential of a provincial school gardens policy which support cities using urban agriculture within public k-12 school properties to decrease the incurrence of household food insecurity, while also simultaneously adapting to educating youth on their role as stewards to the environment. Furthermore, urban agriculture has the potential to effectively restore farmland lost from urban sprawl by creating gardens that act as a social security net for individuals suffering from food insecurity. Food banks have seen a significant increase in demand for their services in the last decade due to the heightened cost of living. Thus, by having a source of food production that is specifically created as another form of social security, relieves the pressure food banks endure by providing food directly to communities suffering from food insecurities. A variety of programs exist in local cells across canada that can be used as inspiration for the government of ontario to implement a provincial school gardens policy program, however due to the diversity of school layouts, the challenges of implementing gardens at different scales will be discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,321 | 0,073 |
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 source (Gemma direct ou Codex distillé), 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 ».