Sound, Deindustrialization, and Gentrification: \nThe Changing Aural Landscape of Pointe-Saint-Charles
Notice bibliographique
Résumé
The development of the Grand Trunk Railway of Canada during the 1850s established Pointe-Saint-Charles as a critical rail hub and positioned Montreal as the nexus for Canada’s growing railway system. The rail yards and surrounding industries attracted thousands of workers and their families. The sounds of engines, factory whistles, and the shunting noises of train cars being latched together formed a distinctive new soundscape that would come to define Pointe-Saint-Charles. This blue-collar community would continue to thrive as a seat of industrial activity in Montreal until the Saint Lawrence Seaway opened in 1959, which allowed much commercial traffic to bypass Pointe-Saint-Charles. \nThe ensuing years were a time of change in this area as the neighborhood transitioned from an almost exclusively working-class enclave to a mixed, low-income and middle-class population. In 2015, in response to perceived demands from local residents, the Agence métropolitaine de transport announced that it would build a sound berm along rue de Sébastopol to dampen the sound of train traffic. This proposal was met with confusion by many long-time residents who felt that the train sounds were a vestige of Pointe-Saint-Charles’ working-class past and a defining part of the neighborhood. The berm, a large and imposing physical barrier, has profoundly altered the landscape of rue de Sébastopol. Its physical presence is in conflict with the existing architecture and cultural landscape of the street and the neighborhood. In this thesis, I explore the spatial, sensorial (the importance of engaging the senses within a broad consideration of a place), and symbolic effect of the berm on the community and aural landscape of Pointe-Saint-Charles as a window into the profound impact of the aural landscape on its environment.
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 | 0,001 |
| 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 | 0,015 | 0,019 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».