Spatial Justice Perceptions in High-Income and Low-Income Quarters of Tehran, Iran: Case Study of Niavaran and NematAbad Quarters
Notice bibliographique
Résumé
Residents of northern Tehran are well paid and have better access to urban services, whereas their southern counterparts are paid less and deprived. Land value also differs significantly between the north and south. However, it seems that having more apt objective indicators does not necessarily lead to an enhancement in subjective indices. The hypothesis is that “Justice is not perceived at a higher level among the dwellers of the higher-income quarters of Tehran compared with their counterparts in the lower-income quarters.” To test this hypothesis, we attempted to define the criteria of justice, as perceived by Tehran citizens. According to previous studies, Tehran citizens generally perceive justice through four criteria: reduction of the gap between the poor and rich, government’s assistance to the poor, law enforcement, and absence of corruption. Based on these criteria, justice is evaluated in Niavaran (a high-income quarter in northern Tehran with good access to urban services) and NematAbad (a low-income southern quarter with poor services) via a questionnaire (a randomly selected sample of 200 people). The results show that despite the existing objective differences between the infrastructures, services, and incomes, there is no significant difference between these quarters in terms of the perceived (subjective) justice (based on Mann–Whitney U test). The citizens in both quarters are dissatisfied with the status of all criteria. It is concluded that only physical strategies and enhancement in city services have not been accountable for the promotion and a sense of justice. Thus, the attention of planners should shift from physical indicators to mental indicators.
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 | 0,000 |
| 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 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 ».