Suburban Poverty in Peel Region, Ontario: A land-use strategy evaluation
Bibliographic record
Abstract
Ce rapport présente les politiques axées sur le lieu (place-based policies) adoptées en réponse à l’augmentation de la pauvreté dans la région de Peel, enOntario. Jusqu’à récemment, la pauvreté en milieu suburbain n’a pas reçu beaucoup d’attention. La banlieue est souvent associée à une population aiséeou de classe moyenne. Pourtant, de nombreuses banlieues dans la première et la deuxième couronne ont des taux de pauvreté comparables à ceux des villescentrales. La migration de ménages à faible revenu et d’emplois mal rémunérés et le manque de logements abordables sont les causes centrales de la pauvretéen milieu suburbain. Ces causes, en combinaison avec un filet de sécurité sociale sous tension, un manque de services de transport adéquats et unemauvaise distribution des services publics, créent des conditions de vie difficiles pour de nombreux ménages de banlieue. Les décideurs locaux doiventconfronter les causes centrales de la pauvreté afin d’y apporter une réponse appropriée.Les élus ont adopté un certain nombre de politiques afin de lutter contre les effets de la pauvreté suburbaine dans la région de Peel : Breaking the Cycle,Long Term Affordable Housing and Homelessness Plan, Peel Poverty Reduction Strategy et The Big Move. Il y a moins d’action au niveau local, où legouvernement est le plus proche des gens et où les élus peuvent avoir un impact sur le logement, les transports et les services publics, qui sont des facteurs clésdans la vie des ménages à faible revenu. De manière générale, l’efficacité des politiques publiques en réponse à lapauvreté en milieu suburbain n’est pas claire. Les gouvernements ne sont pas assez imputables face à la population, car les moyens appropriés de suivi etd’évaluation ne sont pas en place. Des lois, politiques et stratégies récentes semblent s’attaquer à la pauvreté dans la région de Peel, mais le système degouvernance actuel est un obstacle à leur mise en oeuvre.
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 | 0.001 |
| Bibliometrics | 0.001 | 0.005 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".