Notice bibliographique
Résumé
Abstract Austerity has become a key consideration for studying ongoing state restructuring of the urban since the economic crisis of 2008. However, academic debates have yet to fully interrogate the role of race in this process. This article reviews geographic literature on race and austerity. It outlines the emergence of austerity urbanism, and the geographic, sociological, and political science literatures from which it draws its origins from. Focusing on the interplay between race/racialization and austerity, this article engages with critical theories of race to better understand the “raced” nature of austerity, and how these processes shape cities. Critical theories of race have been influential in linking race to forms of state power and governance in geography, while also exploring racism as a material and discursive formation that is connected across space and time by capital. Austerity urbanism literature has yet to develop a sophisticated analysis of the racialized dimensions of austerity in the U.S. context. Rather, scholarship up to date theorizes race through fixed categories, where racialized groups are seen and mapped onto austerity policy outcomes. In this paper, I propose that critical theories of race can provide an analytical framework for geographers to better understand the relations between race and austerity through the lens of racial capitalism by revealing how periods of neoliberalization are organized along racial lines and operate through and upon terrains of racial domination and empire. This means framing race and racism as a process (i.e., racialization) that is inextricably embedded in the logic of the neoliberal project. This paper concludes with commentary on possible future directions, both empirical and conceptual, that engagements with racial capitalism can offer to the literature on austerity urbanism to interrogate race, power, and justice across the Global North and South.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,015 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».