Grassroots mobilization for a just, green urban future: Building community infrastructure against green gentrification and displacement
Notice bibliographique
Résumé
Municipal climate resiliency and re-naturing plans are promoting greening and green (re)development, such as the inclusion of new parks, greenways, or rehabilitated shorelines, frequently as a-political, win-win solutions for all residents. Greenwashing and (re)development of green amenities in vulnerable neighborhoods-those often most in need of support toward resilience and adaptation-expose residents to the impacts of green gentrification, such as the pricing-out and physical displacement from housing, socio-cultural displacement from public space, and associated personal and community traumas. This paper explores an under-researched avenue in the green gentrification literature: How do grassroots community activists organize to address housing and greening simultaneously and how do they operate to achieve justice in greening neighborhoods? We examined the strategies and tools used by community groups in 10 cities in the United States facing green gentrification. We find that justice-driven strategies and tools are supported by the formation of multi-sectoral coalitions which strengthen what we define as "community infrastructures"-social, economic, and political capacities-against exclusive green-washing. We argue that each of the three capacities must be built amongst residents in order to fortify the material and immaterial components of community infrastructure.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,016 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».