MétaCan
Menu
Retour à la cohorte
Enregistrement W4412676398 · doi:10.1080/02723638.2025.2528406

In search of urbanity: metropolitan geographies of gentrification and middle-class migration from Toronto to Hamilton

2025· article· en· W4412676398 sur OpenAlexafffundabout
Justin D S van der Merwe, Brian Doucet

Notice bibliographique

RevueUrban Geography · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Planning and Governance
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésUrbanityGentrificationMetropolitan areaClass (philosophy)Middle classEconomic geographySociologyGeographyPolitical scienceEconomic growthEconomyEconomicsArchaeologyEpistemology

Résumé

récupéré en direct d'OpenAlex

One of the biggest questions surrounding gentrification is how it spreads. Presently, little research has examined the regional or metropolitan geographies of gentrification. However, as housing costs in big, global cities have become prohibitively expensive, there is a growing need to understand gentrification’s spillover effects to adjacent, mid-sized or secondary cities. Hamilton, Ontario, situated 70 kilometres southwest of Toronto, is a major destination for those priced out of Toronto. The aim of this article is to understand the metropolitan geographies of gentrification through an analysis of the push–pull factors of households that have moved from the Toronto Region to inner city Hamilton. We interviewed forty-two households that made this move. While Toronto housing costs are the key push factor, neighbourhood aesthetics of older Hamilton neighbourhoods play a major role; in-movers are drawn to the older urban form and walkable nature of these neighbourhoods. Price enables them to buy property, while similar aesthetics to Toronto allows for the replication of an urban lifestyle. Hamilton neighbourhoods, therefore, help maintain urban middle-class social reproduction, albeit in another city.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,266
Score d'incertitude au seuil0,922

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,016
Tête enseignante GPT0,272
Écart entre enseignants0,256 · 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'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'admission3
Résumé présentoui

Explorer davantage

Même revueUrban GeographyMême sujetUrban Planning and GovernanceTravaux en français237 207