La gentrification par projet : politiques publiques et revalorisation des quartiers péricentraux, le cas du Campus MIL à Montréal
Bibliographic record
Abstract
Cet article s’intéresse aux impacts des grands projets urbains développés dans des espaces péricentraux, traditionnellement ouvriers et immigrants, de la ville de Montréal. À travers l’exemple du projet du campus MIL qui s’inscrit dans une logique de revitalisation et de rayonnement de la métropole montréalaise à l’échelle internationale, l’objectif est de montrer comment le développement de ces nouveaux espaces verts et créatifs sur d’anciennes friches industrielles accélère la gentrification. L’argument est alors de qualifier la gentrification de « projet » mis en œuvre par des politiques et financements publics. L’article débute par une mise en contexte des espaces péricentraux en montrant comment d’espaces « entre » et désinvestis dans les années 1970-80, ces derniers deviennent de nouvelles centralités métropolitaines à Montréal. Par la suite, l’article examine le rôle des différents acteurs publics dans la mise en œuvre d’un projet de revitalisation urbaine et montre comment le projet urbain du MIL accélère la gentrification des quartiers péricentraux d’immigration comme Parc-Extension. Le rôle de l’université comme acteur public spécifique est interrogé dans cette étude de cas autour de l’implantation d’un nouveau campus. Enfin, l’article démontre comment les principes de l’urbanisme durable et de la ville créative participent à une forme de légitimation de la gentrification par les politiques publiques.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.012 | 0.009 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".