MétaCan
Menu
Retour à la cohorte
Enregistrement W7016058283

Voices of Cully: Experiencing the home amid gentrification

2020· article· en· W7016058283 sur OpenAlexaboutno aff

Notice bibliographique

RevueCSUN ScholarWorks (California State University, Northridge) · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Planning and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGentrificationSituatedMainstreamActive listeningSocioeconomic statusCensusQuarter (Canadian coin)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Cully neighborhood is situated in the northeast quadrant of Portland, Oregon. It is a 2.75-square-mile plot of land and home to roughly 13,000 people. In addition to being one of the most diverse neighborhoods in Portland, it is the most densely populated, with the smallest amount of parkland per capita. Over the past two decades, home value has increased 203 percent in Cully, compared to a 90 percent citywide increase. We interviewed residents of the Cully neighborhood to explore their relationship to home amidst conditions of gentrification. Gentrification literature and mainstream media coverage most often focus on neighborhood-scale socioeconomic processes of gentrification, ignoring the home as the space where gentrification is experienced first and most intimately. This article takes steps toward analyzing the scalar impacts of gentrification, moving beyond and below a neighborhood-scale analysis to consider the ways in which gentrification impacts residents inside their homes -- homes which, we argue, can take on both sanctuary and imprisoning qualities. Just as gentrification will look different depending on researchers' and/or policymakers' conceptualizations, so too will anti-gentrification interventions. Developing place-specific anti-gentrification solutions entails listening to the voices of experience, the voices of residents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,017
Communication savante0,0060,005
Science ouverte0,0010,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,233
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCSUN ScholarWorks (California State University, Northridge)Même sujetUrban Planning and GovernanceTravaux en français237 207