Evaluating Affordable Housing Outcomes in Toronto: An Analysis of Density Bonusing Agreements
Notice bibliographique
Résumé
Owing to limited public-sector funding, municipalities have increasingly relied on the private sector to help build affordable housing. Some cities have employed value capture tools – such as incentive zoning (which may involve density bonusing and other incentives) – to address housing affordability problems. These tools use the increase in land value that results from public actions (such as rezoning) to pay for affordable housing. In Toronto, the City has secured such affordable housing contributions largely through the development approvals process and individual negotiations with developers. This process has been facilitated through Section 37 of Ontario’s Planning Act, which permits the City to approve increases in height or density or both above the limits allowed by current zoning in exchange for community benefits. Very little research has examined how effective this density bonusing approach has been in producing affordable housing in Toronto. This paper examines Section 37 agreements from 1988 to 2018 that contain affordable housing benefits to show the housing outcomes achieved through Toronto’s approach. In November 2021, the City of Toronto adopted a new inclusionary zoning policy that requires developers to set aside a percentage of new housing units as affordable housing. So it is important to analyze Section 37 data and map where, how many, and what type of affordable units were produced under the previous affordable housing governance structure to create a baseline against which a future approach could be evaluated. The results of the analysis show that while Section 37 has managed to generate some physical affordable units, the tool has been more successful at securing funding (more than $65 million) for affordable housing. Unfortunately, these cash contributions translate into relatively few units. Moreover, the funds have been received in many small amounts over the years, further reducing the effectiveness of this approach to creating new affordable housing.
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 | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».