Notice bibliographique
Résumé
The chapTers in This book are the outcome of a high-profile collaborative research project: the Neighbourhood Change Research Partnership (NCRP), led by David Hulchanski at the University of Toronto.Scholars around the world have documented increased income polarization and ethno-cultural divides in large cities.These trends are known in the research literature as divided cities, dual cities, polarized cities, and the like.Though many of the trends are global, they play out at the local level.The NCRP seeks to understand these trends by examining inequality, diversity, and change at the neighbourhood level in Canada's metropolitan areas, where local research teams have carried out city-specific studies.This collection presents the project's findings from each city, bookended by chapters that place these findings in their broader context and draw out their implications for both scholarship and policy.The book is divided into three parts.The first part discusses the trends, theory, and methodological puzzles that motivated the research and guided its development.In the contextual introduction (Chapter 1), two of the team's intellectual leaders (Larry Bourne and David Hulchanski) identify the diversity of theories and concepts that guided our research on neighbourhood change and explain the kinds of research questions that the team has been exploring in our analyses of the transformations that occurred in Canadian cities between 1980 and 2015.Next, in Chapter 2, Richard Harris provides a brief history of neighbourhood and income inequality in Canada to lend background depth to the contemporary studies that appear later in the book.In Chapter 3, Ivan Townshend and Bob Murdie describe the team's efforts to develop descriptive
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,469 | 0,274 |
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 ».