Rebuilding post-blast Beirut: nonprofit urban governance, sectarian moralities, and emerging commons
Notice bibliographique
Résumé
This article analyzes the urban governance of Beirut's post-blast reconstruction through a moral political-economy and urban-commons lens. Drawing on a mixed-methods dataset—a desk review of 220 organizations, a survey of 95 NGOs/FBOs, two-year participant observation, and nine key-informant interviews—it maps the actors who stepped into the vacuum left by an incapacitated Lebanese state. Network analysis reveals two loose coalitions: a Beirut-centered bloc of national nonprofits and university labs, with a claimed non-sectarian leaning, and a more atomized constellation of faith-based and sectarian groups. While both delivered relief, about 30 per cent of actors invested in collective goods such as public-space upgrades and heritage rehabilitation, signaling an aspiration to urban commoning. Three vignettes—Laziza Park, Nation Station and the Rmeil Cluster—show how these experiments collide with sectarian moral topographies, aid-industry imaginaries and real-estate interests. Laziza and Rmeil were re-enclosed; only Nation Station endures, its soupkitchen model aligning with neighborhood moral topographies. The findings extend debates on humanitarian urbanism: NGOs and aid agencies are not external substitutes but integral nodes in a densely networked, multi-scalar governance urban ecology that actively produces space. Yet their commoning projects rarely unsettle entrenched power; they remain circumscribed by political-sectarian, class and moral boundaries. By foregrounding the interplay of hybrid urban governance and moral topographies, the article argues that aid-driven and nonprofit-led urban commoning can widen democratic practice only when it forges coalitions capable of negotiating both political authority and market logics. Beirut's experience thus offers a cautionary insight for cities where humanitarian and nonprofit actors now lead urban interventions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».