New directions in transnational gentrification: Tourism-led, state-led and lifestyle-led urban transformations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Transnational gentrification is class-based neighbourhood change driven by relatively affluent international migrants. In contrast to the conventional globalisation narrative in which people are significantly more place-bound than capital flows, transnational gentrification suggests that a globally mobile capitalist class has been in large part responsible for rapid change in many urban neighbourhoods. Observations of transnational gentrification have accelerated over the past decade, with scholarly accounts reporting on cases in disparate locations – particularly those in Latin America and the Mediterranean with ‘charming’ old-world architecture, significant cultural amenity and rents below OECD averages. In this article we attribute transnational gentrification in the 21st century to three primary drivers: new forms of tourism and short-term rentals; state-led initiatives to revitalise urban neighbourhoods and catalyse economic activity; and lifestyle-driven migration and new forms of consumption. We argue that transnational gentrification is not simply an outcome of a globalised ‘rent gap’ but instead a product of a new global residential imaginary coupled with enhanced possibilities for transnational mobility facilitated by digital platforms and state-led efforts to extract new forms of rent from particular neighbourhoods. We conclude by offering a number of potential avenues for future research, many of which resonate with key themes that emerged decades ago as gentrification first began to transform cities and urban policy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle