MétaCan
Menu
Retour à la cohorte
Enregistrement W1974158777 · doi:10.1108/13552550210423741

Economic associations of immigrant self‐employment in Canada

2002· article· en· W1974158777 sur OpenAlexaffabout
Daniel Hiebert

Notice bibliographique

RevueInternational Journal of Entrepreneurial Behaviour & Research · 2002
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésImmigrationEntrepreneurshipEthnic groupSalarySelf-employmentMarket segmentationLabour economicsScope (computer science)CensusWageDemographic economicsPhenomenonEconomicsSociologyPolitical scienceMarket economyPopulation

Résumé

récupéré en direct d'OpenAlex

In the last 30 years or so we have seen a proliferation of research projects on immigrants and non‐white minorities in the labour market (labour market segmentation) and as entrepreneurs (ethnic entrepreneurialism). Each of these literatures helps us understand the nature of immigrant and minority participation in the labour market, but each only offers a partial view. In this paper, I bring these topics together in an empirical investigation of the relationship between ethnic labour market segmentation and ethnic entrepreneurialism in Canada, using 1996 census data. I show that there is a close correspondence between the niches where immigrants and minorities find work, and those where they become entrepreneurs. Immigrants who are drawn to niches that offer few opportunities for self‐employment have low rates of entrepreneurship and, conversely, those who are over‐represented in niches with considerable scope for self‐employment are inclined to establish their own businesses. This shows that the propensity for self‐employment is, to an important degree, determined in the regular labour market. Therefore, entrepreneurship should not be seen as an intrinsically cultural phenomenon (i.e. that certain groups are “naturally” entrepreneurial), but instead as arising out of the opportunity structure associated with wage and salary labour.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,151

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0050,001
Communication savante0,0020,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,069
Tête enseignante GPT0,370
Écart entre enseignants0,301 · 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

Citations48
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Entrepreneurial Behaviour & ResearchMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207