Bibliographic record
Abstract
Cette thèse s'interroge sur les questions de ségrégation et continue une longue tradition en science économique (particulièrement en économie géographique et urbaine), mais aussi en sociologie. Cette tradition de l'analyse comporte généralement trois volets : (1) mesures de ségrégation, (2) analyses des causes de la ségrégation et (3) de ses conséquences. Cette thèse est composée de trois chapitres et explore ces trois volets. Le premier chapitre, intitulé « Distance-based segregation measures », couvre le volet concernant les mesures de la ségrégation. Nous adaptons des mesures de concentration des firmes afin de quantifier la ségrégation de certaines populations. Ce chapitre propose une mesure innovante de la ségrégation et répond aux critiques sur les mesures indicielles souvent utilisées dans la littérature. Dans un cadre unifié, nous combinons les dimensions intra-groupe et inter-groupes, et évaluons les distributions spatiales par race et revenus en utilisant des micro-données géographiques. Nos mesures sont insensibles aux découpages géographiques, permettent de faire des comparaisons spatiales et temporelles, et de simuler des contrefactuelles afin de tester la significativité statistique des distributions observées. Qui plus est, cette méthode permet d'isoler de manière distincte l'effet de la race et celui de revenu sur la ségrégation. Les résultats de ce chapitre présentent un portrait original sur la métropole de New-York. Il montre comment la race pousse les individus à se concentrer spatialement avec leur propre groupe et à se distancer des autres, et comment la pauvreté accentue encore plus ces effets. Le deuxième chapitre, intitulé « What matters for choosing your neighbors? Evidence from Canadian metropolitan areas », couvre le volet concernant les causes de la ségrégation. Afin d'analyser les déterminants de choix de localisation des individus, nous explorons la dimension inter-groupe de la ségrégation en calculant des mesures de co-agglomération de différentes ethnies dans les six grandes métropoles Canadiennes. Ce chapitre présente un portrait multidimensionnel de la ségrégation urbaine et permet de comprendre comment les individus choisissent leurs voisins. Notamment, ces choix sont influencés par différentes dimensions linguistiques, culturelles, religieuses, politiques et génétiques. Nous montions comment ces dimensions de similarité sont positivement associées avec la co-localisation des groupes ethniques. En d'autres termes, nos résultats révèlent que des mesures de proximité (linguistiques, culturelles, religieuses, etc.) s'avèrent dans la détermination du choix de localisation des individus d'origines différentes. Le troisième chapitre, intitulé « Race and firm location : who moves where? », couvre le volet concernant les conséquences de la ségrégation. Ce chapitre présente une analyse approfondie de la distance entre les individus et les emplois en explorant l'hétérogénéité de la race et des revenus. L’idée est que certaines minorités ethniques sont géographiquement loin de leur lieu d'emploi et que cela pourrait avoir des répercussions sur leur situation sur le marché du travail. Ce phénomène, communément appelé « spatial mismatch hypothesis », est donc vu comme une cause possible du chômage et des revenus faibles de certains groupes comme les Afro-Américains, les Hispaniques et autres groupes minoritaires. Ce chapitre teste cette hypothèse en fournissant une nouvelle mesure de co-agglomération entre des firmes de certaines industries et des individus de certains groupes. Il montre l'existence de certaines régularités sur l'effet de la race et de la pauvreté sur cette déconnexion géographique ainsi que sur la décentralisation. Nos résultats préliminaires suggèrent qu'entre 1990 et 2010, les Blancs sont plus proches, tandis que les Noires, Hispaniques et Asiatiques sont plus loin des emplois. De plus, la pauvreté accentue encore plus cet éloignement. Enfin, en comparant le degré de déconnexion physique, les Blancs et Asiatiques semblent être plus proches de leurs employeurs potentiels que les Noirs et Hispaniques. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Ségrégation, race et ethnie, homophilie, déconnexion physique, décentralisation.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.025 | 0.006 |
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".