Equity-forward cultural districts planning: Lessons for Toronto
Bibliographic record
Abstract
"En 2021, la Ville de Toronto a entamé le développement d’un programme de districts culturels en réponse aux préoccupations croissantes concernant le déplacement culturel. Cependant, les districts culturels mis en oeuvre au niveau municipal ont souvent négligé cette question et ont plutôt contribué au déplacement culturel de groupes historiquement marginalisés. Afin d’assurer une approche équitable pour la mise en oeuvre d’un plan de districts culturels, cette étude vise à examiner les “bonnes pratiques” qui peuvent fournir des orientations pour l’initiative des districts culturels de Toronto. De plus, l’étude cherche à explorer dans quelle mesure les districts culturels peuvent efficacement aborder la question du déplacement culturel. La section “Scope and Methodology” (Chapitre 1.2) commence par définir les districts culturels pour se concentrer ensuite sur un type spécifique de district culturel pertinent pour le programme de districts culturels de la Ville de Toronto : les Districts Culturels Naturellement Occurrents (NOCDs). Cette distinction vise à recentrer la focalisation de l’étude et à l’aligner sur les intérêts spécifiques de la ville. Ensuite, cette section expliquera comment les questions de recherche et les objectifs seront abordés à travers deux méthodes clés : la revue de littérature et l’analyse d’études de cas. Le chapitre “Background and Context” (Chapitre 1.3) offre un aperçu du paysage de la planification culturelle de Toronto, mettant en évidence l’utilisation de la culture comme moyen de stimuler le développement économique. S’appuyant sur ce contexte, cette section explore l’évolution des NOCDs à travers trois manières identifiées. Une attention particulière est accordée aux NOCDs faisant l’expérience d’une gentrification et d’un déplacement continus, car la défense communautaire de ces NOCDs a conduit à la création du programme de districts culturels de Toronto. La “Literature Review” (Chapitre 2) identifie quatre modèles qui influencent le développement de programmes de districts culturels et de districts culturels. Les caractéristiques clés de chaque modèle sont spécifiquement identifiées et examinées en termes de leur impact en termes d’équité. Le Chapitre 3, “Case Studies” analyse les plans de districts culturels de deux villes dont le paysage culturel et les objectifs de planification culturelle étaient similaires à ceux de Toronto : Minneapolis, MN et San Francisco, CA. Ce chapitre examine quelles caractéristiques des quatre modèles identifiés sont présentes dans chaque plan pour comprendre leurs impacts potentiels en termes d’équité. Enfin, le Chapitre 4 partage les principales leçons tirées des études de cas, pour la Ville de Toronto dans sa quête d’un plan de districts culturels. Il discute également des limites générales de l’efficacité des programmes de districts culturels que la Ville de Toronto devrait prendre en compte. L’étude recommande que les plans de districts culturels axés sur l’équité visent à être nuancés, en prescrivant un mélange d’interventions sur le marché et en dehors du marché, ainsi que la promotion de cultures commercialement attractives et ancrées dans la communauté. De plus, les plans équitables bousculent les conventions de la planification culturelle en considérant que les éléments quotidiens de la construction de la ville, tels que le logement, les transports et les services sociaux, sont également des aspects importants de la culture. Enfin, atténuer les dynamiques de pouvoir, même dans les formes de gouvernance “ascendante”, est essentiel pour parvenir à l’équité pour un district culturel "@fre
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 | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.024 | 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".