Struggling against social and urban polarization in popular neighbourhoods of Brussels and Montreal :bchanges and convergences framed by logics of actors and institutionnal dynamics
Bibliographic record
Abstract
Notre recherche doctorale porte sur les politiques de lutte contre la dualisation socio-spatiale menées à Bruxelles et Montréal. Ces politiques publiques ont été introduites à la fin des années 1980 dans un très grand nombre de villes occidentales (Equal Opportunity Policies et Urban Regeneration Policies dans le cadre du programme Action for Cities en Grande-Bretagne, Soziale Stadt en Allemagne, la politique de la ville en France, Urban et Objectif 2 au niveau européen, etc.) en raison de la montée de l’exclusion et de menace pesant sur la cohésion sociale urbaine. Ces politiques publiques se fondent sur la logique de ciblage territorial, de mobilisation locale et sur une approche intégrée mêlant des actions sur le bâti, les équipements collectifs et des actions sociales. C’est pourquoi elles introduisent plusieurs ruptures par rapport aux modes d’intervention publique à l’œuvre jusqu’alors. La diffusion de ces politiques publiques nous a incitée à interroger la standardisation et les transformations de l’action publique véhiculées par ce type de politiques publiques. Notre démarche se caractérise non seulement par la comparaison de deux villes, mais aussi de deux politiques publiques et de trois quartiers dans chacune des deux villes. 1.\
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 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.012 | 0.013 |
| Scholarly communication | 0.008 | 0.002 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".