MétaCan
Menu
Retour à la cohorte
Enregistrement W2790215856 · doi:10.17351/ests2018.212

Black Gold, White Power: Mapping Oil, Real Estate, and Racial Segregation in the Los Angeles Basin, 1900-1939

2018· article· en· W2790215856 sur OpenAlexfundno aff
Daniel G. Cumming

Notice bibliographique

RevueEngaging Science Technology and Society · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAmerican Environmental and Regional History
Établissements canadiensnon disponible
Organismes subventionnairesYork University
Mots-clésCapitalismReal estateMetropolitan areaBoomUnderwritingPoliticsResource (disambiguation)EconomyPower (physics)Political scienceHistoryBusinessEconomicsArchaeologyLawFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

In 1923, Southern California produced over twenty percent of the world’s oil. At the epicenter of an oil boom from 1892 to the 1930s, Los Angeles grew into the nation’s fifth largest city. By the end of the rush, it had also become one of the most racially segregated cities in the country. Historians have overlooked the relationship between industrialists drilling for oil and real estate developers codifying a racist housing market, namely through “redlining” maps and mortgage lending. While redlining is typically understood as a problem of horizontal territory, this paper argues that the mapping of the underground—the location and volume of subterranean oil fields, in particular—was a crucial technique in underwriting urban apartheid. Mapping technologies linked oil exploitation with restrictive property rights, constructing oil as a resource and vertically engineering a racialized housing market. By focusing on petro-industrialization interlocked with segregationist housing, this article reveals an unexamined chapter in Los Angeles’s history of resource exploitation and racial capitalism. Moreover, it contributes to a growing literature on the social production of resources, extractive technology and political exclusion, and the technoscientific practices used by states and corporations to mine the underground while constructing metropolitan inequality above ground.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,914

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,003
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,207 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngaging Science Technology and SocietyMême sujetAmerican Environmental and Regional HistoryTravaux en français237 207