Metropolitan areas facing the challenges of globalization, the case of Toronto, Ontario
Bibliographic record
Abstract
Ce travail s’inscrit dans un contexte de mondialisation croissante accompagné d’une importante métropolisation qui tout en concourant au développement de certaines villes qui forment désormais un réseau mondial pilotant l’économie, se trouvent face à un certain nombre de défis de nature diverse (sociale, économique ou environnementale) auxquels elles doivent apporter des réponses. C’est la question de la gouvernance métropolitaine, qui constitue la réponse principale à ces challenges que la thèse se propose d’étudier. Au travers d’une analyse de Toronto, capitale économique du Canada et capitale politique de l’Ontario, dans ses dynamiques économiques et sociales actuelles (notamment les effets du multiculturalisme sur l’attractivité de la métropole) ainsi que dans leurs conséquences politiques et au travers d’une série d’entretiens avec les acteurs locaux et provinciaux, publics et privés, ce travail propose de confronter les théories existantes pour mieux cerner leurs limites. Au terme de cette étude, un regard croisé avec l’agglomération parisienne est proposé pour permettre d’élargir le propos et de justifier la nécessité non d’une gouvernance mais d’une politique métropolitaine, menée à l’échelle nationale pour définir périmètres, acteurs, compétences et enjeux. C’est par le biais de cette politique, mettant en place une institution métropolitaine chargée de gérer les problèmes actuels de métropoles que l’on doit parvenir à conjuguer la nécessaire attractivité économique avec le bien-être des populations.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.019 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".