West Africans in the Informal Economy of South Africa: The Case of Low Skilled Nigerian Migrants
Notice bibliographique
Résumé
Economic issues are typically at the heart of migration decisions globally. Disparities in incomes between countries play a major role in motivating people with different levels of skills to migrate from Africa to countries with more developed economies in search of secure livelihoods and improved quality of life. South Africa, an upper middle income country, is the leading migration destination country in sub-Saharan Africa because of its buoyant economy. Research has focused on cross-border migration to South Africa while less attention has been on migration among low-skilled migrants from West Africa. We conducted an ethnographic study of 13 low-skilled Nigerian migrants working as street traders in a flea market in Durban. South Africa. Findings indicate that migrants were motivated to travel to South Africa because of misinformation from migrant returnees as well as friends and family resident in South Africa about their potential for considerable economic success abroad. Some were stuck while planning to use South Africa as a transit country to other countries in Europe and North America. Migrants encountered many challenges that prevented them from achieving their dreams of living a better life overseas and ended up as street traders in the flea market. There they endured a lesser quality of life than in their home country but were ashamed to return home preferring instead to eek out a living, and to request and receive financial support from their families at home. Findings have implications for migration policy highlighting the need for innovative ways of disseminating accurate information to potential migrants and assisting migrants to return home. Further research on migrant integration to host country and reverse remittances will be of great value.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».