MétaCan
Menu
Retour à la cohorte
Enregistrement W3164388345 · doi:10.21203/rs.3.rs-496730/v1

Fantasy visions, Informal Urbanization, and Local conflict: Contradictions of Smart City imaginaries in India

2021· preprint· en· W3164388345 sur OpenAlexaff
Debadutta Parida

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésVisionFantasyUrbanizationSociologyEconomic geographyPolitical scienceGeographyEconomic growthArtEconomicsAnthropologyLiterature

Résumé

récupéré en direct d'OpenAlex

Abstract Smart city imaginaries have emerged in southern cities driven by neoliberal logics in the urban space. In the Indian context, much scholarly work in India has continued to engage with sweeping accounts of cities as opposed to detailed empirical studies. In this paper, I attempt to address this gap through an in-depth ethnographic inquiry of a slum redevelopment project(part of Smart city initiative) in the city of Bhubaneswar, India. I seek to understand ways in which smart city initiatives influence the everyday life of the marginalized urban slum dwellers. Drawing on participant observation; document analysis; and semi-structured interviews, I put forth three key findings from the study that advance the notion that Smart Cities initiatives in Indian cities actively marginalize the slum dwellers by attempting to dominate through inclusion. I borrow from Foucauldian concept of ‘counter-conducts’ and its reimagination in planning by Huxley (2017) to demonstrate that smart cities discourses are counter-intuitively resulting in emergent spaces of resistance in the form of counter-hegemonic practices, thus allowing spaces for evolution of discourse from unfamiliar territories. I conclude by discussing that city planning and governance pathways in India risk creating complicated path dependencies that can lead to state-citizen conflicts in the future.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,760

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,025
Tête enseignante GPT0,302
Écart entre enseignants0,277 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetSmart Cities and TechnologiesTravaux en français237 207