MétaCan
Menu
Retour à la cohorte
Enregistrement W4412044441 · doi:10.1080/02723638.2025.2524957

Detroit’s Project Green Light: an experiment in police surveillance as economic development strategy

2025· article· en· W4412044441 sur OpenAlexfundno aff
Lisa Berglund

Notice bibliographique

RevueUrban Geography · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Planning and Governance
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council
Mots-clésPolitical scienceEconomic growthEnvironmental planningGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Literature on territorial stigma has clearly outlined the ways that stigma as a discursive strategy has been enacted as a rationale for policy intervention to control populations viewed as disorderly or antithetical to capitalist development goals. However, these studies have been largely based on cities with growing economies, and have not adequately applied the framing of territorial stigma to understand how declining cities may operationalize stigma in new and consequential ways. This paper explores Detroit’s Project Green Light, an initiative from the Detroit Police Department that allows for small businesses to directly stream surveillance footage to the police command center at their own expense in exchange for shorter emergency response times. The case of Project Green Light exemplifies how territorial stigma is leveraged against the Black residents of a declining city to rationalize new, experimental uses of policing and privatization towards economic development goals in disinvested areas of the city. This case not only shows the ways that environments of severe decline may enact racial stigma uniquely in their economic development goals, but also illustrates how policies, born from experimentation, are important to watch due to their mobilization elsewhere.

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)0,008
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,005
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,016
Tête enseignante GPT0,302
Écart entre enseignants0,285 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUrban GeographyMême sujetUrban Planning and GovernanceTravaux en français237 207