MétaCan
Menu
Retour à la cohorte
Enregistrement W3096389472 · doi:10.1080/10511482.2020.1806899

Advocating for the Preservation of Senior Housing: A Coalition at Work Amid Gentrification in Detroit, Michigan

2020· article· en· W3096389472 sur OpenAlexaff
Tam Perry, Lisa Berglund, Julie Mah, Claudia Sanford, Pamela Schaeffer, Evan W. Villeneuve

Notice bibliographique

RevueHousing Policy Debate · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensUniversity of TorontoDalhousie University
Organismes subventionnairesnon disponible
Mots-clésGentrificationScholarshipWork (physics)Affordable housingPolitical sciencePublic relationsSociologyPublic administrationEconomic growthLawEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

As cities become increasingly gentrified, the experiences of their oldest and longest residents often go underrecognized in favor of class-based and racialized concerns about displacement. Underrepresented in both scholarship and organizing efforts, eviction and displacement pose unique threats to seniors because of the link between their health and housing needs. To uncover possible strategies for coalition building and senior housing policy advocacy in quickly changing neighborhoods, this article examines the strategic efforts of Senior Housing Preservation-Detroit (SHP-D). Originally formed in 2013 to address the displacement of a single building of seniors, SHP-D aims to raise awareness of and advocate to preserve housing in a city whose core is rapidly changing. In this article, we offer an overview of the coalition’s advocacy as a way to highlight the role of community mobilization toward preserving affordable senior housing. We outline (a) the formation of the coalition, (b) recent developments, (c) strategic planning processes, and (d) lessons learned by this coalition that may be useful for other senior housing advocacy efforts. We conclude by addressing SHP-D's attention to immediate health needs of older adults in congregate housing due to the COVID-19 pandemic.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,484
Score d'incertitude au seuil0,819

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,091
Tête enseignante GPT0,339
Écart entre enseignants0,248 · 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'étudeObservationnel
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHousing Policy DebateMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207