The Making of Urban Knowledge: Ideas, Cities, Gurus
Notice bibliographique
Résumé
In the face of severe political, economic and environmental crises at the urban level, cities have been seen in recent decades not only as the place where these problems are created, but also as the location where they could be solved. This construction of cities as sites of both crisis and opportunity is related, at least partly, to the work of urban experts, transnational organizations, professional networks, and local agencies taking part in developing and connecting cities with ‘big ideas’ like Resilient Cities, Smart Cities and Creative Cities. To examine the making of such ideas, this dissertation develops the theoretical model of the Urban Knowledge Making Triangle, joining together three different units of analysis - Ideas, Cities, and Agents. The triangle calls to investigate how the ‘same’ idea varies over time and across places, how cities use the idea to depoliticize and re-politicize local struggles, and how human agents connect cities with the idea. To demonstrate the approach, I focus on the Creative City paradigm, which describes the shift that cities took when adjusting their economic industrial base to the information age. It also offers a formula to recover from the urban decline that many cities experienced during post-industrialization. The Creative City long-life cycle and flexible formula which is applicable to cities of different sizes and geography, make its local translations vary extensively. I use fieldwork methods to examine the making of the Creative City in Jerusalem and Toronto and the role of Richard Florida in connecting the two cities with the idea; I also use Structural Topic Modelling to draw the broader contours of arts and culture discourses using a policy corpus of the largest 26 cities in the Anglo-Saxon world. The findings demonstrate the dialectic relationship between the construction of cities as sites of crises and as sites of opportunities.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».