MétaCan
Menu
Retour à la cohorte
Enregistrement W4386329923 · doi:10.1177/08969205231196284

‘I’m Not a Tenant They Can Just Run Over’: Low-Income Renters’ Experiences of and Resistance to Racialized Dispossessing

2023· article· en· W4386329923 sur OpenAlexaff
Elizabeth Korver–Glenn, Sofia Locklear

Notice bibliographique

RevueCritical Sociology · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban, Neighborhood, and Segregation Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of New MexicoRussell Sage Foundation
Mots-clésLandlordRentingPublic housingSecurity of tenureAffordable housingSociologySocioeconomic statusDemographic economicsWhite (mutation)EconomicsEconomic growthPolitical scienceGeographyLand tenure

Résumé

récupéré en direct d'OpenAlex

Racialized housing markets are a cornerstone of systemic racial inequality in the United States, affecting socioeconomic, wealth, health, and educational outcomes. To enrich critical sociological research on housing, we examine how low-income renters perceive, experience, and navigate racialized dispossessing , or the everyday processes by which people of color are severed from place, home, and stability in rental markets. Drawing on in-depth interviews with 43 low-income American Indian, Black, Latinx, and White renters across two research sites, we find that low-income renters of color routinely experience other-race landlord and property manager non-responsiveness to housing quality and safety issues while White renters experience responsiveness. We also show how renters of color perceive and experience landlords and property managers racializing them as inferior, at times to justify this dispossession. In contrast to most of their counterparts of color, we demonstrate how low-income American Indian renters in our sample with same-Tribe landlords or property managers are protected from the harms their counterparts face. Finally, we show how low-income renters of color use a variety of strategies to resist this racialized dispossessing, often at great emotional or financial cost. We conclude by discussing the implications of our findings for research and housing policy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,017
Communication savante0,0060,005
Science ouverte0,0010,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,058
Tête enseignante GPT0,393
Écart entre enseignants0,335 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical SociologyMême sujetUrban, Neighborhood, and Segregation StudiesTravaux en français237 207