MétaCan
Menu
Retour à la cohorte
Enregistrement W1878205834 · doi:10.1111/j.1464-0597.2011.00470.x

Antecedents of Underemployment: Job Search of Skilled Immigrants in Canada

2011· article· en· W1878205834 sur OpenAlexafffundabout
Laura Guerrero, Mitchell G. Rothstein

Notice bibliographique

RevueApplied Psychology · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésUnderemploymentCLARITYJob attitudeImmigrationFluencyJob analysisPsychologyJob performanceJob satisfactionSocial psychologyUnemploymentEconomicsPolitical scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

We investigate factors that skilled immigrants can improve in order to have better job search outcomes, in particular to avoid underemployment. We test an unfolding model which considers barriers faced by skilled immigrants during their job search (language and cultural barriers, and the lack of social support in the receiving country), job search constructs and job search outcomes (including underemployment). We collected data through an online questionnaire and obtained 357 usable responses from skilled immigrants in Canada. The hypotheses were tested with partial least squares (PLS). Language fluency and cultural knowledge were positively related to both job search clarity and job search self‐efficacy. Social support was only related to job search self‐efficacy. Job search clarity was related to job search intensity. Job search intensity was related to the number of interviews, which in turn, was related to the number of job offers. Finally, the number of job offers was negatively related to underemployment. Our paper contributes to the understanding of the job search of skilled immigrants by examining factors that can help them overcome obstacles and obtain better job search outcomes.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,302

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,057
Tête enseignante GPT0,332
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

Citations58
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueApplied PsychologyMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207