MétaCan
Menu
Retour à la cohorte
Enregistrement W1590707028 · doi:10.1111/1468-2427.12019

The ‘Graying’ of ‘Green’ Zones: Spatial Governance and Irregular Settlement in <scp>X</scp>ochimilco, <scp>M</scp>exico <scp>C</scp>ity

2013· article· en· W1590707028 sur OpenAlexaff
Jill Wigle

Notice bibliographique

RevueInternational Journal of Urban and Regional Research · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésHuman settlementSpatial planningCorporate governanceNormativeSettlement (finance)Regularization (linguistics)SociologyEconomic geographyEnvironmental planningGeographyPolitical scienceBusinessComputer scienceEconomicsArchaeologyArtificial intelligenceManagementLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This article details the evolving social and spatial dynamics of a planning approach that is now being used to regulate irregular or informal settlements in the conservation zone of X ochimilco in the F ederal D istrict of M exico C ity. As part of the elaboration of ‘normative’ planning policies and practices, this approach counts, maps and then classifies irregular settlements into different categories with distinct land‐use regularization possibilities. These spatial calculations establish a continuum of ‘gray’ spaces, placing many settlements in a kind of planning limbo on so‐called ‘green’ conservation land. The research suggests that these spatial calculations are now an important part of enacting land‐use planning and presenting a useful ‘technical’ veneer through which the state negotiates competing claims to space. Based on a case study of an irregular settlement, the article examines how the state is implicated in the production and regulation of irregularity as part of a larger strategy of spatial governance. The research explores how planning ‘knowledges’ and ‘techniques’ help to create fragmented but ‘governable’ spaces that force communities to compete for land‐use regularization. The analysis raises questions about the conception of informality as something that, among other things, simply takes place outside of the formal planning system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,079
Score d'incertitude au seuil0,606

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,031
Tête enseignante GPT0,267
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations53
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Urban and Regional ResearchMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207