Urban green grabbing: Residential real estate developers discourse and practice in gentrifying Global North neighborhoods
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
In the movement towards building greener and more sustainable cities, real estate developers are increasingly embracing not only green building construction but broader strategies and action related to urban greening. To date, their motivations and role in this broader urban greening dynamic remains underexplored, yet essential to dissect how greening is sustained and real estate development legitimized in revitalizing neighborhoods. With an eye to better understand green urban capitalist development processes underway amidst financialized nature and urban growth, and the equity impacts they entail, we explore residential real estate developers urban greening discourses and practices. Through a novel dataset of 42 interviews with private and non-profit residential real estate developers in 15 mid-sized American, Western European and Canadian cities, we uncover three differentiated but interconnected discourses around (i) financial benefits, (ii) consumer- or investor-driven demand and (iii) social dimensions behind developers’ interest in urban greening. We argue that developers embark on urban green grabbing through “green” discursive and material value appropriation and rent extraction strategies. Urban green grabbing is conceptually useful in depicting who benefits and how/when developers extract additional rent, surplus value, social capital and/or prestige from locating new residential projects adjacent to new or up-and-coming green amenities. Our work contributes to debates about urban greening's perceived position as a value-producing and rent-extracting good from both a political economy and political ecology perspective.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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