L’accessibilité aux espaces verts, source d’inégalités environnementales ? : le cas de Saint-Henri à Montréal
Notice bibliographique
Résumé
Le quartier Saint-Henri dans le sud-ouest de Montréal est marqué depuis plusieurs décennies par un processus de gentrification aux conséquences néfastes pour les populations vulnérables, ainsi que plus récemment d’une importante croissance des espaces verts durable afin de favoriser leurs accessibilités à ces mêmes populations. Or, en cherchant à répondre au problème d’inégalité environnementale lié à l’accessibilité, ces espaces verts influencés par l’idéal de durabilité peuvent aussi contribuer à un phénomène d’(éco)gentrification qui à son tour peut engendrer une injustice environnementale attachée aux déplacements des populations vulnérables. Pour comprendre cette problématique, ce mémoire illustre la relation entre (éco)gentrification, développement durable et verdissement des espaces urbains et les conséquences de celle-ci sur les populations vulnérables. La réflexion entourant cette triple relation permet aussi de mettre en lumière un écart entre discours et pratiques d’accessibilité aux espaces verts à partir de la mobilisation d’une approche de justice environnementale critique. En conséquence, la méthodologie de recherche est construite pour vérifier la présence de cet écart dans le contexte spécifique de Saint-Henri et plus particulièrement du triangle vert observé lors du terrain de recherche. Cette dernière mobilise une analyse qualitative transversale des discours et des observations de comportements non verbaux. L’analyse et l’interprétation des données collectées démontrent la présence d’un écart entre les discours et les pratiques d’accessibilité aux espaces verts causés par le phénomène d’(éco)gentrification. Cet écart ancré dans une injustice environnementale vient paradoxalement favoriser le renforcement d’une inégalité environnementale lié à la limitation de l’accès des espaces verts aux populations vulnérables et donc à l’amélioration de leurs conditions de vie.
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 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,010 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».