Ethnic Identity, Place Marketing, and Gentrification in Toronto
Notice bibliographique
Résumé
Urban theory has historically viewed ethnic commercial strips as a more-or-Iess organic extension \nof nearby ethnic residential enclaves. Although this is undoubtedly a useful way to describe \nsuch commercial spaces in many cities, this paper argues that some of these areas function as \na branding mechanism (intended or not) to produce nearby residential gentrification. Certain \nforms of ethnic identity attract affluent professionals looking for an alternative to suburban life. \nSome neighbourhood institutions have recognized this attraction and begun to manufacture a \nsaleable form of ethnicity to tourists and prospective residents alike. \nThis paper explores the influence of ethnic packaging on the process of gentrification in Toronto, \nusing the examples of four ethnically defined business improvement areas (BIAs) - Little \nItaly, Greektown on the Danforth, Corso Italia, and the Gerrard India Bazaar. These institutions \nactively manage and sell an ethnic identity that is increasingly at odds with nearby residential \npatterns. The commercial areas of these neighbourhoods now function less as areas of identification \nfor the stated group, and more as ways to market each neighbourhood's residential real \nestate markets. In each case, the population of the stated group is declining, while efforts to \nmarket each neighbourhood as a niche to newcomers are increasing. \nThough no single pattern has resulted from these efforts, we found that packaged ethnicity is \nbeginning to facilitate gentrification in those places already predisposed to the process. BIA officials \nare conscious of this connection and are actively using it to improve resources for their organization \nand their neighbourhood. This form of branding, and its connection to real estate \nvaluation, has implications for gentrification theory and the study of urban landscapes.
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 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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».