L’effet de l’augmentation des espaces de jardinage sur la production alimentaire dans la region de Montreal
Bibliographic record
Abstract
L'Agriculture urbaine (AU) a réussi à s'imposer, notamment dans les villes des pays industrialisés, en dépit des pressions qui en limitent le développement dont, au premier chef, les espaces limités pour jardiner.Le jardinage alimentaire domestique, pratiqué par les ménages pour leur propre consommation, est une pratique de longue date à Montréal, que ce soit au domicile, dans les jardins communautaires ou collectifs.Pourtant, malgré cet engouement, les formes de soutiens politiques, financiers et juridiques envers ces activités demeurent très limitées.Cet article vise à estimer la production alimentaire du jardinage domestique dans la région métropolitaine de Montréal et à examiner l'effet d'une augmentation des espaces de jardinage en ville sur cette production.D'après un sondage diffusé aléatoirement en 2019 dans cinq territoires de la région de Montréal, nous avons estimé les proportions de jardinier.ère.sdans la population et la part que les récoltes occupent dans les approvisionnements estivaux en fruits et légumes frais de leur ménage.À partir d'une méthode inédite, ces données ont été extrapolées à l'échelle des territoires étudiés et de la région métropolitaine de Montréal.En 2019, la production domestique en fruits et légumes frais a atteint 14 837 tonnes en occupant 183 hectares de terrains à l'échelle de la ville de Montréal.Or, d'après nos travaux de modélisation, cette production pourrait atteindre 24 384 t par année en occupant 397 ha si les potagers de moins de 10m² étaient agrandis pour atteindre 15m² (scénario 2a).La production pourrait même doubler pour atteindre 30 449 t de fruits et légumes produits sur 674 ha si les personnes déclarant manquer d'espaces collectifs pour jardiner accédaient à des parcelles de 15m² (scénario 2b).La production du jardinage alimentaire domestique est généralement sous-esti- -L'EFFET DE L'AUGMENTATION DES ESPACES DE JARDINAGE SUR
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".