MétaCan
Menu
← Retour à la cohorte
Enregistrement W1649167524 · doi:10.1017/cbo9780511495304.009

Labour market integration: lessons from the European Union

2006· book-chapter· en· W1649167524 sur OpenAlexaff
Catherine Barnard

Notice bibliographique

RevueCambridge University Press eBooks · 2006
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueEuropean Union Policy and Governance
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésEuropean unionMarket integrationInternational tradePolitical scienceBusinessEconomicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Introduction Labour migration is as old as the hills. Workers move from areas of high unemployment to those regions where jobs are more plentiful. While economists highlight the economic benefits of labour migration, labour lawyers are more concerned with the rights and entitlements of those individuals – and their families – who have moved. Since its inception, the European Union has provided a structured framework in which transnational migration can occur, principally through the provisions of the European Community Treaty establishing the right of free movement of persons. These provisions enshrine so-called “fundamental freedoms” which grant individuals both the right to move and the right to claim certain welfare benefits in the host state on the same terms as nationals. This is a highly sensitive area. The aim of this paper is to question the basis on which mobility rights have been granted before examining whether the situation in the EU is unique and whether it has wider lessons for international migration. Free movement of workers Although the original EEC Treaty talked of free movement of persons, reference to the free movement of persons was misleading: The original Treaty gave no general right of free movement for all persons. To enjoy such a right, the individual had to hold the nationality of one of the member states (with nationality being a matter for national – not Community – law) and be economically active either as a worker under Article 39(1), or as a self-employed person under Article 43.

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)0,003
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,009
Communication savante0,0100,007
Science ouverte0,0010,005
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,030
Tête enseignante GPT0,235
Écart entre enseignants0,205 · 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
GenreAutre

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

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooks→Même sujetEuropean Union Policy and Governance→Travaux en français237 207→