Immigration, trade and ‘ethnic surplus value’: a critique of Indo–Canadian transnational networks
Notice bibliographique
Résumé
Abstract It is often argued that countries hosting large populations of skilled immigrants might benefit from their cultural and economic competencies in the development of international trade networks. Yet, in so doing, the state can be criticized for fetishizing the ethnic immigrant in market terms in order to extract ‘ethnic surplus value’. In this article, I examine these debates empirically in the case of India–Canada immigration and trade using interviews with traders, officials and immigrant entrepreneurs in British Columbia, Canada. Findings suggest that the supposedly positive relationship between trade and immigration is not obvious in the India–Canada case and there is no convincing evidence of the state managing successfully to extract ‘ethnic surplus value’. Rather, what appears most compelling is evidence of what can be termed a discourse of regional disadvantage circulated by immigrant and non‐immigrant business actors alike regarding the nature of India–Canada relations. Interview respondents link this discourse of disadvantage to the regional history of Indian immigration to Canada, which has traditionally comprised Sikhs from rural Punjab, and it functions to essentialize Indian immigrant ethnicity spatially within both the Indian and Canadian contexts. I focus on the theme of the extraction of ‘ethnic surplus value’ and regional disadvantage to reveal the limitations of both arguments about the economic nature of immigrant‐led network development. In both cases, I challenge these ideas with a critical emphasis on the role of immigrant agency and offer a more nuanced and complicated reading of the role of the state. As a result, I offer a detailed reading of how socio‐spatial immigrant networks are formed and operate at the regional scale, and how this complicates more abstract theoretical formulations regarding the trade and immigration nexus.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,035 | 0,058 |
| Communication savante | 0,017 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».