MétaCan
Menu
Retour à la cohorte
Enregistrement W3082374146 · doi:10.1080/13549839.2020.1812554

Procedural environmental (in)justice at multiple scales: examining immigrant advocacy for improved living conditions

2020· article· en· W3082374146 sur OpenAlexaffabout
Sara Edge, Emily Lauren Brown, Sutama Ghosh, Ann Marie F. Murnaghan

Notice bibliographique

RevueLocal Environment · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésImmigrationNeighbourhood (mathematics)Affordable housingEnvironmental justiceEconomic JusticeCorporate governancePolitical scienceScale (ratio)SociologyFocus groupPublic relationsEconomic growthBusinessGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Distributional injustices have been documented by many environmental justice scholars in recent years, while procedural justice issues remain less explored. For instance, immigrants and newcomers disproportionately experience substandard housing conditions and discrimination in the housing market, but few studies have examined how immigrant communities are seeking to improve their living conditions or engage in related governance and advocacy processes. Drawing upon interviews and focus groups with residents, community organisers and representatives from social service agencies in Rexdale, an inner suburb of Toronto, this paper examines how immigrants and newcomers are reacting or taking action to improve conditions in a high-rise neighbourhood at the scale of their housing units, high-rise buildings, and neighbourhood. Through a procedural justice lens, cumulative, multi-scale injustices experienced by immigrants and newcomers are revealed. Findings reveal obstacles and barriers that are preventing immigrants from engaging in advocacy and other means of improving their living conditions, in addition to opportunities for increasing newcomer participation in housing and neighbourhood improvement efforts.

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)0,004
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,006
Communication savante0,0030,002
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,027
Tête enseignante GPT0,273
Écart entre enseignants0,246 · 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

Citations34
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLocal EnvironmentMême sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207