MétaCan
Menu
Retour à la cohorte
Enregistrement W2155313176 · doi:10.1068/d13150p

From Toxic Wreck to Crunchy Chic: Environmental Gentrification through the Body

2014· article· en· W2155313176 sur OpenAlexaffabout
Leslie Kern

Notice bibliographique

RevueEnvironment and Planning D Society and Space · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensMount Allison University
Organismes subventionnairesnon disponible
Mots-clésGentrificationMateriality (auditing)Neighbourhood (mathematics)AestheticsSociologyConflationEmbodied cognitionEnvironmental ethicsEconomic geographyEpistemologyArtGeographyCivil engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This paper takes up the challenge of extending and enhancing the literature on environmental gentrification by considering bodies and embodied practices as significant dimensions of this process. In considering the question of how a polluted past can be mobilized as an asset for neighbourhood rebranding and gentrification, this research suggests that the conflation of both pollution and ‘health’ with different kinds of urban bodies and practices is an important strategy for solidifying a clean and green neighbourhood future. I argue that some bodies are constituted as ‘dirty’ by the symbolic and substantive displacement of environmental pollution onto those bodies, in ways that allow the neighbourhood to redefine itself as clean (whether it is environmentally clean or not) once those bodies are displaced, contained, or made invisible. This perspective requires us to consider the radically coconstitutive character of representations and materiality, bodies and cities, nature and social relations. Based on a case study of Toronto's Junction neighbourhood, this paper maintains that bringing bodies to the foreground attends to the power of embodiment in producing and reproducing urban change and, critically, urban inequalities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,061
Communication savante0,0090,006
Science ouverte0,0010,011
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,017
Tête enseignante GPT0,264
Écart entre enseignants0,247 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations58
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning D Society and SpaceMême sujetGeographies of human-animal interactionsTravaux en français237 207