Before displacement: studentification, campus-led gentrification and rental market transformation in a multiethnic neighborhood (Parc-Extension, Montréal)
Notice bibliographique
Résumé
This article explores a case of campus-led neighborhood change that weaves together an analysis of gentrification, studentification and displacement. Contributing to the understanding of displacement pressure, this empirical study employs a temporal perspective and an innovative mixed method that captures the shifting state of the rental market and the perceptions of neighborhood change as understood by immigrant and low-income residents of Parc-Extension. We analyze how studentification is promoted in a campus-led gentrification case study, showing how both gentrification and studentification participate in the rise of evictions and displacement pressures for long term residents. By documenting the residential experience in rental housing through semi-structured interviews and data mining of rental listings on a popular platform in Canada (Kijiji), we propose an empirical perspective on displacement pressure and contribute to the development of this concept in gentrification and studentification studies. The article begins by reviewing the literature on gentrification-induced displacement, displacement pressure, state-led gentrification and studentification. This is followed by contextualizing our Montréal case study. We then outline our mixed methodologies and explain our data collection by web-scraping and fieldwork modalities. Finally, we discuss our results showing how the mechanism of displacement pressure can be linked with studentification and new-build, campus-led gentrification.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».