What makes people satisfied with their Neighbourhoods? Exploring individual characteristics beyond sociodemographics in Scarborough, Ontario
Notice bibliographique
Résumé
Neighbourhood satisfaction is a key topic in urban planning due to its impact on well-being and inequality among urban dwellers. While determinants of neighbourhood satisfaction have been studied extensively, less is known about individual characteristics such as travel behaviour, political values, transport barriers, and aspirations, beyond traditional sociodemographics. Additionally, spatial modelling of neighbourhood satisfaction remains underexplored. This study utilizes the Scarborough Survey, a multidimensional dataset from Scarborough, Ontario, to investigate how travel behaviour, political values, transport barriers, and aspirations influence neighbourhood satisfaction. A spatial ordinal probit model was used, accounting for sociodemographics, subjective neighbourhood characteristics, and objective neighbourhood characteristics. Findings reveal significant impacts of these individual characteristics on neighbourhood satisfaction, with sociodemographics' effects mediated through these variables. Interestingly, no positive spatial autocorrelation was found for neighbourhood satisfaction after controlling for other factors, suggesting limited social bonds or interactions among neighbours in suburban areas. The results highlight opportunities for community events or local organizations to rebuild these connections and enhance satisfaction in suburban neighbourhoods. This work provides new insights into neighbourhood satisfaction and offers pathways for improving the living conditions of vulnerable suburban communities. • A spatial ordinal probit model was applied to assess neighbourhood satisfaction. • Individual characteristics play a crucial role in neighbourhood satisfaction analysis. • Suburban areas of Toronto exhibit limited social bonds among neighbours. • Reducing travel barriers may enhance overall neighbourhood satisfaction. • Car owners and non-owners display distinct preferences for neighbourhood amenities.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».