Making Waves: Ensuring Housing Equity on Toronto’s Urban Waterfront
Bibliographic record
Abstract
Le secteur riverain urbain de Toronto est une zone vaste et sous-utilisée qui est sujette à l'un desplus grands efforts de revitalisation au monde. Le secteur est en train de changer d'une zoneindustrielle autrefois contaminée à une communauté vibrante à usages mixtes. En même temps,Toronto connaît la pire crise d'abordabilité du logement qu'elle ait jamais connue. Le coût dulogement augmente à un rythme exponentiel et ni le secteur privé ni le secteur public n’est enmesure de fournir un nombre suffisant de logements abordables pour répondre aux besoins desrésidents aux revenus faibles ou moyens. Le secteur riverain de la ville offre une occasion idéaled'ajouter une quantité importante de logements abordables pour aider à atténuer cette crise. Lebut de ce travail de recherche est d’explorer les moyens qui pourraient être utilisés pour que leprocessus de revitalisation du secteur riverain demeure inclusif pour des ménages à tous lesniveaux de revenu. Une analyse de la documentation pertinente, des politiques publiques et desrèglements a permis d’identifier des moyens d'assurer l'équité en matière de logement au bord del'eau. Des entrevues avec des experts locaux au sujet du réaménagement du secteur riverain deToronto et des processus de production de logements abordables dans la ville ont permisd’évaluer la faisabilité de mesures potentielles. Nous espérons que ce rapport servira à améliorerl'abordabilité et l'équité du secteur riverain de Toronto, tout en servant de modèle pour d'autresvilles.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.008 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.029 | 0.001 |
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".