MétaCan
Menu
Retour à la cohorte
Enregistrement W2077388315 · doi:10.1111/j.1747-7379.2002.tb00118.x

The Cost of Not Being Christian: Hindus, Sikhs and Muslims in Britain and Canada

2002· article· en· W2077388315 sur OpenAlexaboutno aff
Suzanne Model, Lang Lin

Notice bibliographique

RevueInternational Migration Review · 2002
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCeteris paribusUnemploymentImmigrationEthnic groupEarningsDemographic economicsArgument (complex analysis)CensusWhite (mutation)Political scienceSociologyDemographyGeographyDevelopment economicsEconomicsEconomic growthPopulationLaw

Résumé

récupéré en direct d'OpenAlex

This article compares foreign born Hindus, Sikhs and Muslims to native born white Christians on four economic outcomes in two nations: Britain and Canada. For Canada, our data come from the 1991 Census, for Britain from the Fourth National Survey of Ethnic Minorities (1994). Theory and research lead us to predict that, ceteris paribus, non-Christians will fare better in Canada on three of the four outcomes. In the main, however, this expectation does not hold up. Compared to their British counterparts, Canada's Muslims fare less well on labor force participation and Canada's Hindus and Sikhs less well on unemployment. Compared to their Canadian counterparts, British Muslims fare less well on unemployment. On occupation and earnings, we detect no cross-national differences. To explain the paucity of cross-national disparities, we draw on Reitz's argument that Canada's reputation as an attractive immigrant destination has been exaggerated. To explain the few differences we do find, we emphasize cross-national differences in religious discrimination and our inability to control adequately for differences in sending countries.

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)0,004
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 enseignants0,046
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,285
Écart entre enseignants0,259 · 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

Citations84
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Migration ReviewMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207