Filling the gap : cities and the fight against homelessness in Canada
Bibliographic record
Abstract
L’itinérance est un domaine à la fois passionnant et exigeant de la politique publique. C’est un domaine nouveau, très complexe, mal défini et mal compris. Du milieu des années 1990 au milieu des années 2000, l’itinérance chronique a augmenté au Canada, et jusqu’ici, tant le gouvernement fédéral que les provinces n’ont pas réussi à la contrer sérieusement. En l’absence d’initiatives de la part du fédéral et des provinces, les groupes locaux de partout au pays se sont unis pour lutter contre ce qui était de plus en plus appelé la crise de l’itinérance. L’ampleur de l’itinérance chronique est très similaire dans les grandes villes du Canada. Confrontés au même problème, les décideurs locaux des quatre plus grandes et plus importantes villes du Canada – Vancouver, Calgary, Toronto et Montréal – se sont unis pour constituer différents modèles de gouvernance de l’itinérance. En d’autres termes, il existe différents pourvoyeurs de protection sociale pour les itinérants chroniques, soit l’autre 1 %, dans chacune de ces villes. Les modèles de gouvernance locale présentent deux différences principales : le rôle du gouvernement local, et la centralisation ou la fragmentation du modèle. À Vancouver et à Toronto, le gouvernement local est très impliqué dans la gestion de l’itinérance et y a fait d’importants investissements politiques et financiers. Tandis qu’à Montréal et à Calgary, le gouvernement local joue un rôle bien moins important. Ensuite, la gouvernance de l’itinérance est centralisée dans un seul organisme ou une seule agence à Calgary et à Toronto, alors qu’elle est divisée en plusieurs intervenants à Vancouver et à Montréal. Je me penche sur ce qui pourrait expliquer cette grande différence entre les modèles de gouvernance de l’itinérance, et j’analyse les conséquences théoriques et pratiques que cela peut avoir sur la protection sociale au Canada. Je conclus que le rôle du gouvernement local dans la coalition gouvernante est déterminé par les pouvoirs des villes en matière de logement et par l’engagement des politiciens locaux pour lutter contre l’itinérance. À Vancouver et à Toronto, il y a soit des pouvoirs importants en matière de logement, soit un engagement politique solide à l’égard de l’itinérance, soit les deux. À Montréal et à Calgary, il y a comparativement moins de pouvoirs formels en matière de logement, et l’engagement politique à l’égard du problème est relativement faible. Dans chaque ville, c’est l’organisation des forces sociales locales qui détermine la fragmentation ou la centralisation de la coalition gouvernante. À Vancouver et à Montréal, les forces locales et sociales sont fortes et organisées, mais elles sont divisées, ce qui fait que la gouvernance de l’itinérance est fragmentée. À Calgary, les forces sociales locales sont dominées par le secteur privé, alors qu’à Toronto, les forces sociales locales sont mal organisées et la Ville est un intervenant fort, et en quelque sorte dominant. Cela explique la centralisation de la gouvernance de l’itinérance dans ces deux villes. Malgré leur engagement et leur créativité, aucun des modèles de gouvernance locale n’a réussi à réduire fortement l’itinérance. Aucun ordre de gouvernement seul ne peut résoudre le problème de l’itinérance, et l’absence du gouvernement fédéral des discussions concernant les politiques en matière de logement et d’itinérance était suffisante pour limiter le succès des initiatives menées à l’échelle locale. Ces deux conclusions à la fois confirment et remettent en question les théories existantes de l’État-providence. D’une part, cela confirme l’argument que l’évolution de l’État providence est le reflet l’évolution du fédéralisme, et qu’il y a de plus en plus un nouveau concept du capital social et humain en politique sociale. D’autre part, toutefois, il met au défi ces écrits, en soulignant le rôle que joue le niveau local dans la production de la protection sociale. Les études sur l’itinérance et l’État providence devraient accorder une attention particulière non seulement aux paliers de gouvernement fédéral et provincial, mais également au niveau local aussi.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.015 | 0.005 |
| Scholarly communication | 0.006 | 0.001 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".