MétaCan
Menu
Retour à la cohorte
Enregistrement W1581038582

We Don't Need To See Them Cry: Eliminating the Subjective Apprehension Element of the Well-Founded Fear Analysis for Child Refugee Applicants

2006· article· en· W1581038582 sur OpenAlexaboutno aff
Bridgette Carr

Notice bibliographique

RevuePepperdine Digital Commons (Pepperdine University) · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésApprehensionPersecutionRefugeeElement (criminal law)Asylum seekerPsychologySocial psychologyImmigrationPolitical scienceCriminologyLawPolitics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article addresses a barrier to effective protection faced by child refugee applicants. Currently all refugee applicants, including infants, are required to satisfy two elements of well-founded fear. All applicants must prove that they face an objective risk of persecution and that they subjectively fear this risk. But children often cannot exhibit the subject apprehension element of the test. As a result, UNHCR, and the U.S and Canadian governments issued guidelines that encourage decision makers to accept other evidence to prove a child's subjective apprehension when the child is unable to exhibit fear. However, this approach does not go far enough. By allowing subjective apprehension to remain a part of the well-founded fear analysis for child refugee applicants, the threat of effective protection being denied is quite real. A recent case in the United States highlights this point. A nine-year old hearing impaired child was denied asylum by an immigration judge despite objectively clear evidence of potential risk of persecution simply because the child did not satisfy the subjective apprehension requirement. In order to protect child refugee applicants from such mis-guided decisions in the future, this article proposes a solution of only requiring objective risk evidence from child refugee applicants in order to establish a well-founded fear.

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)0,007
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,010
Communication savante0,0020,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,253
Écart entre enseignants0,237 · 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'étudeSans objet
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

Citations3
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePepperdine Digital Commons (Pepperdine University)Même sujetMigration, Health and TraumaTravaux en français237 207