MétaCan
Menu
Retour à la cohorte
Enregistrement W2339148882 · doi:10.1177/1474474015591489

Rhythms of gentrification: eventfulness and slow violence in a happening neighbourhood

2015· article· en· W2339148882 sur OpenAlexafffundabout
Leslie Kern

Notice bibliographique

RevueCultural Geographies · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Planning and Governance
Établissements canadiensMount Allison University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMount Allison University
Mots-clésGentrificationTemporalitiesNeighbourhood (mathematics)TemporalitySociologyEveryday lifeRestructuringEconomic geographyAestheticsGender studiesPolitical economyGeographyPolitical scienceEpistemologyArtEconomic growthLaw

Résumé

récupéré en direct d'OpenAlex

Gentrification involves the transformation of neighbourhood social spaces in ways that remake place in line with the needs and desires of new residents and capital investors. While spatial transformations have been well documented in the gentrification literature, temporality has rarely been foregrounded, although social space is also altered by privileging new rhythms and tempos of everyday life. Using a case study of Toronto’s gentrifying Junction neighbourhood, this article explores the restructuring of everyday neighbourhood rhythms around consumption-oriented and place-making events that draw on a collage of ideas about the timespace of ‘authentic’ urban street life. I argue that the reorganization of neighbourhood social life through the creation and privileging of specific temporal landscapes functions as a means of excluding, marginalizing or rendering invisible certain community members and their needs. The inability of some to participate in the new temporalities of the neighbourhood becomes a barrier to recognition and representation, one that both hides and enables the ongoing ‘slow violence’ of gentrification.

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)0,004
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,030
Communication savante0,0080,003
Science ouverte0,0010,011
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,040
Tête enseignante GPT0,295
Écart entre enseignants0,255 · 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

Citations154
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCultural GeographiesMême sujetUrban Planning and GovernanceTravaux en français237 207