MétaCan
Menu
Retour à la cohorte
Enregistrement W4404984353 · doi:10.1080/19491247.2024.2417319

Rental regime change and the geography of poverty in Toronto, 1971–2006

2024· article· en· W4404984353 sur OpenAlexaffabout
Greg Suttor

Notice bibliographique

RevueInternational Journal of Housing Policy · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing, Finance, and Neoliberalism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPovertyRentingGeographyEconomic geographyRegional scienceDemographic economicsEconomicsEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

Explanations of urban segregation by income must look to the housing system, alongside local factors. In welfare capitalist countries, the respective roles of private and social rental cannot be assumed. This study draws on policy literature as well as census and administrative data to explain how a shifting housing policy and market regime shaped the evolving segregation of low-income renters in Greater Toronto, 1971-2006. A huge postwar private-rental apartment building sector, and greatly expanding social housing, almost equally shaped this geography. The postwar regime created a ‘mixed economy of rental’, mixed-income suburbs, and two decades of sustained central-city mix despite gentrification. Social housing at 10-12 percent of total housing production—departing from long-run trends in liberal-welfare Canada—absorbed half of low-income demand, with large mitigating impacts on neighbourhood change. After 1980, neoliberal trends of declining rental incomes and production directly fed more segregation, inner-suburban ‘decline’, and less-mixed outer suburbs. Spatial patterns arose from distinctive national and local influences as well as reflecting international trends. The study confirms the significance of metropolitan growth in small-area trends, and of dispersed rental production in spatial income mix. The findings have relevance internationally in contexts of mixed social and private rental systems and surging ‘built-to-let’ production.

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)0,000
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,777
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,031
Tête enseignante GPT0,278
Écart entre enseignants0,246 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Housing PolicyMême sujetHousing, Finance, and NeoliberalismTravaux en français237 207