Application of a Global Environmental Equity Index in Montreal: Diagnostic and Further Implications
Notice bibliographique
Résumé
Urban living environments are known to influence human well-being and health. The literature on environmental equity focuses especially on the distribution of nuisances and resources, which, because of the unequal spatial distribution of different social groups, leads to an increased exposure to risks or to less access to beneficial elements for certain populations. Little work has been done on the multidimensionality of different environmental burdens and the lack of resources in some urban environments. This article has two main objectives. The first objective is to construct an environmental equity index that takes into consideration seven components of the urban environment (traffic-related pollutants, proximity to major roads and highways, vegetation, access to parks, access to supermarkets, and the urban heat island effect). The second objective is to determine whether groups vulnerable to different nuisances—namely, individuals under fifteen years old and the elderly—and those who tend to be located in the most problematic areas according to the environmental justice literature (i.e., visible minorities and low-income populations) are affected by environmental inequities associated with the application of the composite index at the city block level. The results obtained by using four statistical techniques show that, on the Island of Montreal, low-income persons and, to a lesser extent, visible minorities are more frequently located in city blocks close to major roads and with higher concentrations of NO2 and less vegetation. Finally, the environmental equity index is significantly lower in areas with high concentrations of low-income populations in comparison with the wealthiest areas.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».