Notice bibliographique
Résumé
It is well understood that capitalist systems maintained by cities result in unequal distribution of economic growth, resources, and opportunities. One central dynamic contributing to these socio-spatial inequalities stems from asymmetrically distributed resources for care. Caring is a fundamental human activity that involves an attentiveness to the needs, vulnerabilities, and well-being of others. However, in many cities today, particularly in North America, political ideologies understand care as individual responsibility and achievement. Yet, at the same time, cities are also repositories that generate resistance toward inequality. In other words, metropolises are beginning to factor in new ways to make care possible. This paper therefore asks: how is care, in all its forms, made possible by cities? To answer this question, it explores a city's capacity to care in ways that include but also exceed social and welfare policies. This is achieved by examining the development and operation of a pilot food incubator program in Toronto. In particular, it employs community engaged research and interview strategies to make sense of the power relations between the program actors through a ‘caring with’ lens. Engaging such strategies while focusing on care reveals novel municipal governance perspectives on the one hand. And on the other it offers practical implications by illustrating the program's efficacy in accomplishing its goals. Making sense of the relationship between metropolises and care, this paper argues that cities ought to be judged not on how economically competitive they are, but on how they best foster care for people and future generations.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».