Can community land trust models work in Peru? Researching community-based land tenure models for affordable housing
Notice bibliographique
Résumé
Purpose In pursuit of affordable housing, the Sustainable Urban Development Act of 2021 contains regulations for community land trusts (CLTs) in Peru. This study aims to assess whether the CLT model can be an effective tool for low-income housing generation in the Peruvian context. Design/methodology/approach This study draws upon information collected from qualitative research and official statistical data to identify the main problems in the Peruvian housing sector. The authors gathered evidence from specialised literature to examine the benefits and drawbacks of CLT implementation and functionality as experienced in the USA, England and Canada in contrast to Puerto Rico and Brazil. To assess the potential effectiveness of the CLT model in Peru, the results from the examination of both groups of countries are analysed and contrasted with the evidence from the Peruvian experience. Findings Through micro-scale interventions in places with a consolidated sense of community, the CLT model can be an effective tool for affordable housing generation. However, no robust evidence suggests that the CLT model could be an effective tool for large-scale intervention in cities with disorganised and accelerated growth. Moreover, the level of housing affordability defined by the CLT model may be insufficient for people from the lowest-income percentiles. Originality/value Peruvian CLT adaptation will require a shift in individual property mind-sets. Furthermore, the model should be enhanced by governmental support through public subsidies and backed by mortgage loans and land grant programmes.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».