Logements insalubres en contexte pluriethnique : étude de cas et pistes d'intervention pour le quartier Norgate dans l'arrondissement Saint-Laurent à Montréal
Bibliographic record
Abstract
Ce mémoire explore le rôle du logement dans l'expérience migratoire des nouveaux et nouvelles arrivantes à Montréal et l'impact de celui-ci sur les premières années d'installation, en fonction des caractéristiques socioculturelles des individus. Pour ce faire, une étude collaborative a été menée sur le cas spécifique du quartier de Norgate, situé en plein cœur de l'arrondissement Saint-Laurent. Norgate est un quartier où se produit un renouvellement constant de locataires d'origine immigrante en provenance des quatre coins du monde, et où subsistent d'importants problèmes de pauvreté. En se penchant sur ce milieu de vie et sur les conditions d'habitat de ses résident-e-s, nous avons constaté à quel point un nombre important de locataires vivaient dans des logements en mauvais état, et parfois même dans de graves conditions d'insalubrité. Nous avons cherché à comprendre comment un tel espace urbain pouvait en venir à être aussi dégradé et quels étaient les rôles et responsabilités des différents paliers étatiques face à une telle situation. À travers ce processus, nous avons exploré l'ensemble des possibilités d'action proposées par les différents acteurs (institutionnels, communautaires, résidentiels) ayant un potentiel pouvoir d'agir dans le quartier. Ce mémoire montre comment la problématique des logements dans l'espace urbain est liée à une multitude de facteurs interreliés et qui s'influencent mutuellement, d'où la nécessité d'une approche systémique dans l'analyse du champ de l'anthropologie urbaine. Il cherche également à montrer en quoi un mouvement urbain efficient nécessite un partenariat rigoureux entre les différents acteurs agissant sur le territoire, dans une logique de compréhension et de respect de la diversité des tactiques.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.005 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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 source (direct Gemma or distilled Codex), 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".