Reducing urban violence in the global South towards safe and inclusive cities
Notice bibliographique
Résumé
Reducing Urban Violence in the Global South seeks to identify the drivers of urban violence in the cities of the Global South and how they relate to and interact with poverty and inequalities. Drawing on the findings of an ambitious 5-year, 15-project research programme supported by Canada's International Development Research Centre and the UK's Department for International Development, the book explores what works, and what doesn't, to prevent and reduce violence in urban centres. Cities in developing countries are often seen as key drivers of economic growth, but they are often also the sites of extreme violence, poverty, and inequality. The research in this book was developed and conducted by researchers from the Global South, who work and live in the countries studied; itchallenges many of the assumptions from the Global Northabout how poverty, violence, and inequalities interact in urban spaces. In so doing, the book demonstrates that accepted understandings of the causes of and solutions to urban violence developed in the Global North should not be imported into the Global South without careful consideration of local dynamics and contexts. Reducing Urban Violence in the Global South concludes by considering the broader implications for policy and practice, offering recommendations for improving interventions to make cities safer and more inclusive. The fresh perspectives and insights offered by this book will be useful to scholars and students of development and urban violence, as well as to practitioners and policymakers working on urban violence reduction programmes
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».