Ghettos in Canada's cities? Racial segregation, ethnic enclaves and poverty concentration in Canadian urban areas
Notice bibliographique
Résumé
Recent literature suggests a growing relationship between the clustering of certain visible minority groups in urban neighbourhoods and the spatial concentration of poverty in Canadian cities, raising the spectre of ghettoization. This paper examines whether urban ghettos along the U.S. model are forming in Canadian cities, using census data for 1991 and 2001 and borrowing a neighbourhood classification system specifically designed for comparing neighbourhoods in other countries to the U.S. situation. Ecological analysis is then performed in order to compare the importance of minority concentration, neighbourhood classification and housing stock attributes in improving our understanding of the spatial patterning of low‐income populations in Canadian cities in 2001. The findings suggest that ghettoization along U.S. lines is not a factor in Canadian cities and that a high degree of racial concentration is not necessarily associated with greater neighbourhood poverty. On the other hand, the concentration of apartment housing, of visible minorities in general, and of a high level of racial diversity in particular, do help in accounting for the neighbourhood patterning of low income. We suggest that these findings result as much from growing income inequality within as between each visible minority group. This increases the odds of poor visible minorities of each group ending up in the lowest‐cost, least‐desirable neighbourhoods from which they cannot afford to escape (including social housing in the inner suburbs). By contrast, wealthier members of minority groups are more mobile and able to self‐select into higher‐status ‘ethnic communities’. This research thus reinforces pleas for a more nuanced interpretation of segregation, ghettoization and neighbourhood dynamics.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,008 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 ».