Defending the innovation district: Violence, urban entrepreneurialism, and the privatization of public security in Monterrey, Mexico
Notice bibliographique
Résumé
Over the past four decades, urban scholars have paid increased attention to how private sectors pursue capital gain in and through the city, including through carving out innovation districts. While the privatization of public space is well-established in this literature, less is known about how entrepreneurial districts can further the privatization of public security. Drawing on and extending this line of work, this article examines how a private sector can leverage the local state, an anchor institution (a university), and district residents to create what we call a defended entrepreneurial district— an entrepreneurial district receiving priority public–private policing from above and heightened neighborhood vigilance from below to secure a territory for capital gain in a high-violence context. Our case study is the Distrito Tec, a private university-led innovation district launched in 2014 in Monterrey, Mexico in the aftermath of a major metropolitan security crisis. While the university removed walls from its block perimeter, we argue that it simultaneously reinstated new forms of socio-spatial enclosure at a district level. New public–private policing initiatives deepened surveillance of the 24 blocks in its vicinity favoring the concentration of capital within while prompting new divisions among unwilling residents and the exclusion of unwanted populations. Methodologically, we combine qualitative data on socio-spatial responses to violence collected 6 years apart—during the height and aftermath of this public security crisis. Our comparative analysis contributes to conversations on ethnographic revisits, while advancing research on the privatization of public security in entrepreneurial districts.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».