Agricultural Change and Farmland Rental in an Urbanising Environment : Waterloo Region, Southern Ontario
Bibliographic record
Abstract
Dans l'analyse des rapports entre l'urbanisation et l'agriculture, la recherche géographique s'est surtout intéressée, jusqu'à maintenant, aux effets néfastes de la croissance urbaine sur l'agriculture. Nous émettons l'idée que cette interaction, lorsque prévalent des conditions régionales bien précises, peut jouer un rôle positif dans le progrès agricole. C'est à titre d'exemple d'effets potentiellement bénéfiques que nous étudions ici le phénomène de la location des terres agricoles appartenant à des propriétaires non-exploitants. Pour une région donnée du sud de l'Ontario, des corrélations statistiques entre certaines variables agricoles et démographiques justifient une enquête approfondie auprès des agriculteurs. Les résultats de cette enquête montrent, qu'autour des villes de taille moyenne à haut niveau de croissance de cette région, la location des terres appartenant à des non-exploitants joue un rôle important dans le développement agricole. Cette recherche contribue donc à alimenter une littérature récente qui tend à démontrer la complexité de l'agriculture en milieu péri-urbain.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".