MétaCan
Menu
Retour à la cohorte
Enregistrement W2792105533 · doi:10.1177/0042098017745235

The knowledge economy city: Gentrification, studentification and youthification, and their connections to universities

2018· article· en· W2792105533 sur OpenAlex
Markus Moos, Nick Revington, Tristan Wilkin, Jean Andrey

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueUrban Studies · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesResearch Centre for the HumanitiesUniversity of Pennsylvania
Mots-clésGentrificationCensusUrbanismContext (archaeology)Economic geographyWork (physics)ConfidentialityUrban economicsSpillover effectGeographySociologyRegional scienceEconomic growthPolitical scienceEconomicsPopulationDemographyCivil engineeringArchitectureEngineering

Résumé

récupéré en direct d'OpenAlex

We investigate the spatial relationships among three prominent facets of contemporary urbanism – gentrification, studentification, and youthification – in the context of Canadian post-secondary educational institutions (universities and colleges). We conduct the analysis in three major Canadian cities with substantial knowledge economy sectors using confidential Statistics Canada census files, which include information on individuals and their geographies, and the location of universities and colleges, by enrolment size. We document ‘spillover’ effects of expansions in student enrolment and the building of campuses by analysing the geographic correlations among universities and gentrification and youthification. Studentification and youthification are to some extent coincident but not entirely, whereas the connection to gentrification is more complex. Our work provides novel insight into the ways the three different facets of contemporary urbanism overlap and contribute to our understanding of how universities and colleges, as hallmarks of the knowledge economy, influence the social geography of cities.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,576
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,337
Écart entre enseignants0,270 · 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