MétaCan
Menu
Retour à la cohorte
Enregistrement W4293101509 · doi:10.1177/0308518x221087243

Balancing equity-based goals with market-driven forces in land development: The case of density bonusing in Toronto

2022· article· en· W4293101509 sur OpenAlexaffabout
Jeffrey Biggar, Abigail Friendly

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPublic goodPublic landEquity (law)Economic rentEconomicsAppropriationBiddingBusinessPublic economicsMarket economyMicroeconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

This article explores the connections between planning and land rent through a case study of density bonusing in Toronto, known as ‘Section 37’ – a form of land value capture. Density bonusing facilitates speculative bidding on future rents by private developers seeking ‘highest and best’ land uses – or efficient land uses – yet has implications related to equity when the unearned increment is extracted to recover value and invest in public goods. We situate land value capture within debates on the unearned income derived from land development in cities. We view the case of density bonusing through the lens of discretionary planning systems operating through flexible mechanisms. Specifically, we consider the direct role of planners towards balancing private interests with public goods in the face of shifting market and political contexts. The findings show that securing public goods from private land development through the unearned increment lacks consistency and predictability when the flexibility exercised by development actors drives planning decision-making. We conclude with a discussion on the implications for discretionary planning and land value capture in market-intensive, neoliberal environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,472

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,205
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207