MétaCan
Menu
Retour à la cohorte
Enregistrement W2059859691 · doi:10.1108/02621711211199502

Brain circulation to the UK?

2012· article· en· W2059859691 sur OpenAlexaboutno aff
William S. Harvey

Notice bibliographique

RevueJournal of Management Development · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOriginalityCirculation (fluid dynamics)Face (sociological concept)Sample (material)Value (mathematics)Brain drainBusinessEconomic growthPublic relationsMarketingSociologyDemographic economicsPolitical scienceEconomicsQualitative researchSocial science

Résumé

récupéré en direct d'OpenAlex

Purpose This paper seeks to address two research questions: first, to what extent do highly skilled migrants intend to make personal business and financial investments in their home countries, and second, what factors influence them to invest in their home countries? Design/methodology/approach The results are based on face‐to‐face and telephone interviews which took place between September, 2008 and March, 2009 with 64 highly skilled British migrants working in Vancouver, Canada. Respondents were asked a combination of open‐ and closed‐ended questions. Findings The results of this study find that the vast majority of respondents are not investing in or intending to return to their home country, which indicates that they contributing to brain circulation in a limited extent. Practical implications The paper argues that governments and organisations in the home country can play an important role in facilitating brain circulation in Europe. Originality/value Much of the academic literature suggests that the brain drain has now transformed into brain gain. The findings of this study do not support this shift because most of the sample of British expatriates in Vancouver are not intending to invest in or return to Europe. This is significant because highly skilled migrants could be better utilised as resources by European governments and organisations.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0250,002

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 Opus0,023
Tête enseignante GPT0,296
Écart entre enseignants0,273 · 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

Citations23
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management DevelopmentMême sujetMigration and Labor DynamicsTravaux en français237 207