Etablissement reussi et segregation residentielle parmi les minorites visibles de Toronto
Bibliographic record
Abstract
Depuis les annees 1960, la nature sociale du paysage urbain de Toronto s'est modifiee de facon irreversible en raison de l'arrivee de nouvelles vagues d'immigrants venus d'Afrique, d'Asie, des Caraibes, ainsi que d'Amerique centrale et d'Amerique du Sud, remplacant ainsi les flux traditionnels d'immigrants europeens de race blanche. Ce produit permet d'analyser les modeles tres differents d'etablissement des trois minorites raciales les plus importantes de Toronto, soit les Noirs, les Chinois et les Asiatiques du Sud. Contrairement aux etudes anterieures fondees sur des donnees au niveau agrege et sur des correlations , on evalue la capacite de la theorie conventionnelle de l'assimilation spatiale expliquant ces differences, a partir de modeles d' estimes a l'aide des microdonnees du recensement de 1996 au Canada. Les conclusions montrent que les modeles d'etablissement des Asiatiques du Sud et, de facon plus marquante, ceux des Noirs, correspondent assez bien aux attentes du modele conventionnel de l'assimilation spatiale. L'etablissement initial se fait dans des enclaves immigrantes defavorisees, d'ou les immigrants de longue date ayant reussi partent afin d'acheter des maisons dans des quartiers plus aises. Meme si les de Toronto sont, en definitive, plus pauvres que les autres quartiers de minorites, la plupart des Noirs n'y vivent pas. Par comparaison, les immigrants chinois sont rapidement prets a acheter des maisons dans des collectivites ethniques un peu plus aisees et durables. Dans ce produit, on montre egalement que les Chinois n'innovent pas en la matiere, mais plutot qu'ils reproduisent, dans une large mesure, les modeles d'etablissement des Europeens du Sud, particulierement les Italiens, et ce, pour les memes raisons (a savoir, les avantages relatifs sur le marche du logement et les faibles niveaux d'assimilation linguistique).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".