MétaCan
Menu
Retour à la cohorte
Enregistrement W2027246859 · doi:10.1177/0020715210377158

Who are the Europeans that Europeans prefer? Economic conditions and exclusionary views toward European immigrants

2010· article· en· W2027246859 sur OpenAlexvenueno aff
Anastasia Gorodzeisky

Notice bibliographique

RevueInternational Journal of Comparative Sociology · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Consortium for Sociological Research
Mots-clésImmigrationEuropean Social SurveyContext (archaeology)Demographic economicsPopulationCountry of originPolitical scienceDevelopment economicsGeographyEconomicsSociologyPoliticsDemographyLaw

Résumé

récupéré en direct d'OpenAlex

This article suggests that the economic standing of foreigners’ country of origin may become grounds for the emergence of an inclination to exclude an out-group population from the country. Moreover, exclusionary attitudes based on the economic standing of the immigrant’s country of origin may vary according to the economic conditions of the destination country. Data obtained from European Social Survey for 21 countries show that exclusionary views directed exclusively at foreigners from ‘poorer countries in Europe’ or at foreigners ‘from richer countries in Europe’ are quite substantial. Multi-level analyses reveal that differential preferences of immigrants from relatively rich and poor European countries indeed interact with the economic conditions of the host societies. Support for the exclusion of European foreigners from ‘poorer countries’ tends to be less pronounced in economically prosperous places while support for exclusion of European foreigners from ‘richer countries’ tends to be less pronounced in economically depressed places. The findings are discussed in the light of sociological literature and the context of modern European society.

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)0,002
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,077
Tête enseignante GPT0,373
Écart entre enseignants0,296 · 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

Citations85
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Comparative SociologyMême sujetMigration, Refugees, and IntegrationTravaux en français237 207