Uberising the Urban. Labour, Infrastructure and Big Data in the Actually Existing Smart City of Toronto
Notice bibliographique
Résumé
This thesis explores how Uber reformats the urban and vice versa. Rather than taking for granted Uber’s success in remoulding the emerging ‘smart city’ in its own image, Uberising the Urban pays close attention to the contradictory, variegated and far from frictionless encounters between Uberisation and urbanisation. The thesis is particularly interested in those neuralgic points of contact where the abstract logics of Uber’s business model – its vectors of data extraction, labour exploitation and platform expansion – hit the urban ground of existing social and physical geographies. The Uberisation of the urban – such is this thesis’s main argument – does not take place in a material and social void; it unfolds in, with and against the dense social and material thickness of existing urban space. This argument is deepened in three case studies. Zooming in from different angles, these case studies show how the vectors of Uberisation have come up against the multiscalar and variously uneven urban grounds of the actually existing smart city of Toronto. While the first case study provides a detailed discussion of the conflictive processes leading up to the legalisation of Uber in Toronto and the parallel ‘regulated deregulation’ of the city’s taxi-cum-ridehail market, the second case study tackles the next subsequent ‘stage’ of Uberisation in Toronto: the proliferation of various public-private ridehail partnerships (PPRPs) between Uber and Lyft on the one hand and local and regional transit agencies in the GTA on the other. The third case study is concerned with Uber’s self-driving car programme and, in particular, the invasive practices of data extraction that Uber has implemented in Toronto – turning the city into a real-life urban data reservoir for the development of its self-driving software. A conclusion, shedding light on a potential reconfiguration of Uber towards more socially emancipatory ends, rounds out the dissertation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,016 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».