MétaCan
Menu
Retour à la cohorte
Enregistrement W2520985578 · doi:10.36939/cjur/vol24no2/art12

Environmental Justice, Transit Equity and the Place for Immigrants in Toronto

2016· article· en· W2520985578 sur OpenAlexafffundvenueabout
Amardeep Kaur, Cheryl Teelucksingh

Notice bibliographique

RevueCanadian journal of urban research · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensToronto Metropolitan UniversityYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPublic transportImmigrationEquity (law)Environmental justiceSustainabilityPopulationTransportation planningPolitical scienceEconomic growthSociologyPublic administrationPublic relationsTransport engineeringEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

In response to population growth and events, Toronto is currently in the midst of debates about transportation planning. However, the perspectives of immigrants, especially women, who depend heavily on public transit, are often missing from academic and policy debates on transportation planning in Toronto. Due to Toronto’s changing demographic landscape, a transit planning strategy that is based on a deeper understanding of how immigrant groups travel across the city can further social equity in transportation. Drawing on qualitative interviews with immigrants on their experiences of public transit in Toronto, the paper proposes an environmental justice framework in order to consider the equity and sustainability issues inherent in Toronto stakeholders’ focus on transit expansion. The research fi ndings highlight the limited aff ordability of public transit, the poor servicing and connectivity of transit networks, and the resulting barriers to accessing work opportunities across the region. The paper concludes by highlighting the need for new directions in transit policy and planning that can better address the changing demographics and social and spatial divisions in the city.

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)0,001
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0130,007
Communication savante0,0040,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,071
Tête enseignante GPT0,395
Écart entre enseignants0,323 · 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

Citations33
Publié2016
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian journal of urban researchMême sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207