MétaCan
Menu
Retour à la cohorte
Enregistrement W3008827281 · doi:10.1177/0263775820903328

Experimenting on racialized neighbourhoods: Internationale Bauausstellung Hamburg and the urban laboratory in Hamburg–Wilhelmsburg

2020· article· en· W3008827281 sur OpenAlexafffund
Julie Chamberlain

Notice bibliographique

RevueEnvironment and Planning D Society and Space · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographies of human-animal interactions
Établissements canadiensYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésRacializationNeighbourhood (mathematics)SociologyGentrificationFraming (construction)Context (archaeology)Urban planningUrbanismGender studiesMedia studiesGeographyArchitectureEconomic growthRace (biology)

Résumé

récupéré en direct d'OpenAlex

The ‘urban laboratory’ concept has become a popular discourse and structure for urban projects in recent years. In this article, I ask what the concept achieves in the context of racialized urban disinvestment and stigmatization, with the Hamburg International Building Exhibition’s (Internationale Bauausstellung Hamburg, 2006–2013) work in Hamburg–Wilhelmsburg as an example. Drawing on laboratory studies and urban sociology, I sketch out the laboratory as an ‘imaginative infrastructure’ , including what it offers to the ‘investigators’ who use it. Based on the ‘situatedness’ of the urban laboratory, I argue that the racialization of the neighbourhood and its residents is important to the history of Wilhelmsburg’s planning, and to its recent laboratorization. Laboratorization of racialized people and spaces is not new, but rather has a long history in European colonialism. I conclude that though the experiment in Hamburg–Wilhelmsburg appears to be with the neighbourhood’s racialization itself, there is nothing experimental about attempting the planning myth and common sense of ‘social mix’ to which Internationale Bauausstellung Hamburg contributes. I argue that racialized Wilhelmsburgers deserve problem-solving that does not reinforce existing patterns of development and thus their stigmatization.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,397
Score d'incertitude au seuil0,532

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,022
Tête enseignante GPT0,269
Écart entre enseignants0,247 · 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 tête enseignante, 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

Citations19
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning D Society and SpaceMême sujetGeographies of human-animal interactionsTravaux en français237 207