Notice bibliographique
Résumé
This paper is an ethnographic and sociological study of the neighborhood of Runnymede-Bloor West Village, identifying trends and drawing conclusions based on statistical data, academic theory, and notes taken during research trips. It is also worth noting that this study was conducted in January of 2020 before the Global pandemic was declared. Focusing on gentrification, segregation, and inequality, I identify that this neighborhood is part of a growing trend in Toronto of the increasing severity of all three of these issues. Runnymede-Bloor West Village is quickly becoming one of Toronto’s wealthiest neighborhoods, with the average household income increasing substantially. While this will certainly make real estate agents happy and will probably provide the city with more property tax, it also has the effect of pushing less affluent people out, as increasing living costs make their continued residence in Runnymede-Bloor West Village unaffordable. It also influences the local businesses, as businesses that do not cater to the new influx of affluent residents go out of business, either because their customer base has left or because they can no longer afford to pay their rent. I also identify the increased segregation of the neighborhood, as the racialized character of income inequality in Toronto results in people of color being priced out. Finally, I recommend that the solution to much of this increased inequality is the building of more affordable housing and restrictions of the building of unaffordable housing. Much of this will require the actions of a progressive, engaged local government. Hopefully, these steps will be able to halt or even reverse the trend of an ever-increasing cost of living, provide the local businesses with customers who do not have to spend most of their income on housing costs, and provide a short term solution to the issue of income and ethnicity-based segregation in Toronto.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,015 | 0,019 |
| Communication savante | 0,012 | 0,018 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».