Les environnements résidentiels des immigrés et de leurs descendants : évolutions et tendances
Bibliographic record
Abstract
La persistance de la ségrégation résidentielle basée sur des critères ethniques dans les sociétés occidentales est bien documentée, avec les immigrés et leurs descendants concentrés dans certaines régions, villes et quartiers. En France, des recherches récentes suggèrent que la concentration spatiale des immigrés dans des quartiers spécifiques est restée constante, voire a légèrement augmenté. La population immigrée a tendance à se concentrer dans des quartiers défavorisés, en particulier dans les banlieues des grandes villes. Des modèles théoriques, tels que le modèle de "l'Assimilation Spatiale", ont été proposés pour expliquer l'incorporation spatiale des immigrés. Selon ce modèle, les quartiers avec une forte concentration d'immigrés sont considérés comme une phase de transition dans leur trajectoire résidentielle, et avec le temps, les immigrés et leurs descendants déménagent vers des quartiers plus diversifiés à mesure qu'ils s'acculturent et connaissent une mobilité socio-économique ascendante. Des études empiriques soutiennent partiellement le modèle d'assimilation spatiale mais révèlent également des disparités entre différents groupes raciaux et ethniques. La ségrégation résidentielle a tendance à persister parmi divers groupes, indiquant l'influence de facteurs tels que la discrimination sur le marché du logement, les préférences des locataires blancs et les préférences résidentielles différenciées des autochtones et des minorités. Ce chapitre, basé sur les enquêtes Trajectoires et Origines, vise quatre objectifs : évaluer les changements dans les modèles de ségrégation résidentielle de 2008 à 2019, examiner l'incorporation spatiale de la troisième génération, comparer les modèles d'incorporation spatiale de différents groupes d'immigrés au fil du temps et entre les générations et situations socio-économiques, et explorer la connexion entre les caractéristiques objectives des quartiers et les perceptions subjectives de la qualité du quartier. Les conclusions contribuent à la compréhension des modèles évolutifs de la ségrégation résidentielle en France et fournissent des informations sur la dynamique de l'assimilation spatiale à travers les générations et les groupes d'immigrés.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".