MétaCan
Menu
Retour à la cohorte
Enregistrement W12365062 · doi:10.34917/4332677

Caught in the Immigration Cross-Fire: The Changing Dynamics of Congressional Support for Skilled Worker Visas

2020· article· en· W12365062 sur OpenAlexaboutno aff
Maryam Stevenson

Notice bibliographique

RevuePubMed · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationDynamics (music)Temporary workLabour economicsPolitical scienceDemographic economicsEconomicsWork (physics)LawSociologyEngineering

Résumé

récupéré en direct d'OpenAlex

This project examines the congressional politics associated with legislation on skilled foreign workers, specifically the H-1B visa which was created by the Immigration Act of 1990. It attempts to explain why legislative policies were successful on a small scale between 1998 and 2004 and completely unsuccessful after 2004. Specifically, this study is a longitudinal qualitative analysis that uses Krehbiel's pivotal politics model (1998), Cox and McCubbins' party politics models (2005; 2007), Sinclair's (2007) unorthodox lawmaking theory, and Gilmour's (1995) strategic disagreement model to explain four key periods of H-1B legislation: (1) the passage of the Immigration Act of 1990; (2) passage of stand-alone legislation from 1998 through 2002; (3) passage of legislation through the use of riders from 1998 through 2002: and (4) complete stalemate after 2004. Using polarization as the main independent variable to explain shifts in congressional behavior, this study attempts to explain why congressional behavior dramatically shifted from 1990 to date. It concludes with a comparison of similar policies in Canada and Australia in order to ascertain whether their legislative experiences on foreign skilled workers coincide or differ from that in the United States and attempt to understand why.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,003
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,298
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetMigration, Refugees, and IntegrationTravaux en français237 207