MétaCan
Menu
Retour à la cohorte
Enregistrement W2989982437 · doi:10.1177/0042098019881368

Social policies, financial markets and the multi-scalar governance of affordable housing in Toronto

2019· article· en· W2989982437 sur OpenAlexaffabout
Beibei Zhang

Notice bibliographique

RevueUrban Studies · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAffordable housingCorporate governanceScalar (mathematics)IdeologyPublic housingEconomicsFinancializationPublic economicsBusinessPolitical economyPolitical scienceEconomic growthFinancePolitics

Résumé

récupéré en direct d'OpenAlex

While housing has been a central object of financialisation, questions regarding how multi-scalar states shape the financialisation of housing remain under-researched. I address this knowledge gap through a case study of the financialisation of affordable housing in Toronto. By analysing pertinent policy documents, I examine the roles and relationship of the federal, provincial and local states in the financialisation of affordable housing. Two findings are highlighted. (1) Although policies from all levels of government show traits of financialisation – in terms of both the connection between social policy and financial markets, and financialised ideologies prevailing in policy discourses, the extent and pattern of the manifestation of financialisation are distinct. This research thus calls for a nuanced understanding of the state’s role in the financialisation of housing from a multi-scalar perspective. (2) Affordable housing policies usually do not give an explicit definition of ‘affordable’. By scrutinising the policy specifications, I found that the target group is mainly moderate-income, rather than low-income, households. It will be increasingly difficult for low-income households to meet their housing needs.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,107
Score d'incertitude au seuil0,489

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,007
Communication savante0,0040,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,028
Tête enseignante GPT0,249
Écart entre enseignants0,220 · 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

Citations24
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUrban StudiesMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207