Le droit au quartier et l’acceptation sociale de la gentrification: Les cas de deux processus de transformation urbaine à Nantes et Montréal
Bibliographic record
Abstract
Parmi les travaux sur la gentrification, relativement peu d’études abordent le cas de ceux qui réussissent à rester dans leur quartier, même si ces résidents en subissent les effets tout autant. Dans cet article, nous étudions les réactions citoyennesà la gentrification à partir du cadre Exit, Voice, Loyalty de Hirschman (1970) selon qui le couple voice-loyalty présente le meilleur potentiel de renversement d’une situation insatisfaisante. Nous analysons les réactions citoyennes à partir des exemples du quartier Madeleine-Champ-de-Mars à Nantes et du quartier Hochelaga-Maisonneuve à Montréal. Alors que le premier cas démontre l’efficacité relative de la mobilisation citoyenne dans un contexte de collaboration, le second met en évidence les résultats d’une confrontation. Nous soutenons qu’une prise de parole par les habitants (Voice), combinée à une volonté politique, peut déclencher un processus de négociation et de co-construction de la transformation urbaine la rendant socialement acceptable. Nous concluons également que le conflit joue un rôle important dans la mise en place de négociations équilibrées entre les différentes parties prenantes.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.016 | 0.016 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".