MétaCan
Menu
Retour à la cohorte
Enregistrement W2895856429 · doi:10.1080/10253866.2018.1534733

The consumer acculturative effect of state-subsidized spaces: spatial segregation, cultural integration, and consumer contestation

2018· article· en· W2895856429 sur OpenAlexaff
Ela Veresiu

Notice bibliographique

RevueConsumption Markets & Culture · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueRomani and Gypsy Studies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésAcculturationGovernmentalitySociologyImmigrationGentrificationEconomic geographyPolitical scienceGeographyEthnic groupEconomicsEconomic growthPoliticsAnthropologyLaw

Résumé

récupéré en direct d'OpenAlex

Although extant consumer acculturation research has investigated the acculturative effect of various ideological and institutional contexts, it has devoted minimal attention to how spatial structural conditions, in particular state-subsidized spaces, affect the consumer acculturation experiences of poor immigrants. This study builds on spatial governmentality theory to investigate the creation and consumption of a racialized gated community in Italy. Specifically, it reveals three state-sponsored spatial governmentality strategies (race-restrictive zoning, domestic space standardizing, and technological self-surveilling) used to transform perceived norm-breaking Roma immigrants (derogatorily referred to as “Gypsies”) into acculturating consumers to regional sedentary norms, as well as the accompanying Roma consumer resistance responses (community-protective insulating, domestic space rearranging, and behavioral boundary testing) used to partly contest the imposed consumer acculturation and preserve some of the minority’s nomadic culture. The article concludes with implications for research on consumer acculturation, consumer resistance, and spatial governmentality.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,006
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,034
Tête enseignante GPT0,386
Écart entre enseignants0,352 · 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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConsumption Markets & CultureMême sujetRomani and Gypsy StudiesTravaux en français237 207