MétaCan
Menu
Retour à la cohorte
Enregistrement W2076252625 · doi:10.1080/0042098032000146830

The Suburban Origins of Redlining: A Canadian Case Study, 1935-54

2003· article· en· W2076252625 sur OpenAlexaffabout
Richard Harris, Doris Forrester

Notice bibliographique

RevueUrban Studies · 2003
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensHamilton Health SciencesMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDisinvestmentMetropolitan areaContext (archaeology)GeographyNeighbourhood (mathematics)SecuritizationProperty insuranceDemographic economicsEconomic geographyEconomic growthBusinessFinanceEconomicsInsurance policyMarket economy

Résumé

récupéré en direct d'OpenAlex

Redlining occurs when institutions decline to make mortgage loans in specific areas. The practice originated in the 1930s, when federal agencies encouraged lenders to rate neighbourhoods for mortgage risk. Since the 1960s, especially in the US, it has been associated with disinvestment, racial discrimination and neighbourhood decline. It has always been viewed as a feature of the inner city. Historical evidence indicates that across Canada the first areas to be redlined were the less-desirable suburbs. Land registry and property assessment data establish the emergent patterns in Hamilton, Ontario. Between 1931 and 1951, institutional lending became a social norm first on new dwellings in suburbs. Individual lenders, previously dominant, were relegated to older inner-city properties or cheaper dwellings in less-desirable suburbs. In 1931, there were only minor geographical variations in the incidence of mortgage finance, and specifically of institutional financing, across the urban area. By 1951, lending institutions, led by insurance companies, were discriminating sharply in favour of the West End, the Mountain and Bartonville, and against those parts of the East End that were unserviced or close to lakefront industry. The evidence for Hamilton confirms that in Canada redlining originated in the suburbs. The same may also be true for US metropolitan areas, although the institutional context was different and relevant data are lacking.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,072
Tête enseignante GPT0,256
Écart entre enseignants0,184 · 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'étudeSans objet
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

Citations28
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUrban StudiesMême sujetHousing Market and EconomicsTravaux en français237 207