MétaCan
Menu
Retour à la cohorte
Enregistrement W2963055462 · doi:10.1080/13549839.2019.1645103

Social equity in urban resilience planning

2019· article· en· W2963055462 sur OpenAlexaff
Sara Meerow, Pani Pajouhesh, Thaddeus R. Miller

Notice bibliographique

RevueLocal Environment · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisaster Management and Resilience
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésEquity (law)PoliticsUrban resilienceSociologyPolitical sciencePsychological resiliencePublic relationsPublic economicsUrban planningEconomicsSocial psychologyPsychologyLaw

Résumé

récupéré en direct d'OpenAlex

A growing number of cities are incorporating resilience into their plans and policies to respond to shocks, stresses, and uncertainties. While some scholars advocate for the potential of resilience research and practice, others argue that it promotes an inherently conservative and neoliberal agenda, prevents systemic transformations, and pays insufficient attention to power, politics, and justice. Notably, critics of the urban resilience agenda argue that policies fail to adequately address social equity issues. This study seeks to inform these debates by providing a cross-sectional analysis of how issues of equity are incorporated into urban resilience planning. We develop a tripartite framework of equity that includes distributional, recognitional, and procedural dimensions and use it to analyse the goals, priorities, and strategies of formal resilience plans created by member cities of the Rockefeller Foundation’s 100 Resilient Cities programme. Our analysis reveals considerable variation in the extent to which cities focus on equity, implying that resilience may be more nuanced than some critics suggest. There are, however, clear areas for improvement. Dominant conceptions of equity are generally tied to a distributional orientation, with less focus on the recognitional and procedural dimensions. We hope our conceptual framework and lessons learned from this study can inform more just resilience planning and provide a foundation for future research on the equity implications of resilience.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,028
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,014
Communication savante0,0040,005
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
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 Opus0,024
Tête enseignante GPT0,321
Écart entre enseignants0,297 · 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

Citations433
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLocal EnvironmentMême sujetDisaster Management and ResilienceTravaux en français237 207