MétaCan
Menu
Retour à la cohorte
Enregistrement W2108525302 · doi:10.1111/j.1468-2435.2005.00325.x

Chinese Immigrants in Canada: Their Changing Composition and Economic Performance<sup>1</sup>

2005· article· en· W2108525302 sur OpenAlexaffabout
Shuguang Wang, Lucia Lo

Notice bibliographique

RevueInternational Migration · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensYork UniversityToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésImmigrationHuman capitalDemographic economicsPopulationComposition (language)Political scienceEconomicsEconomic growthSociologyDemographyLaw

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Using landing records and tax data, this paper examines both the changing composition of the Chinese immigrants in Canada in the past two decades and their levels of economic performance. Our research found that, in addition to a shift in origin, economic immigrants have been on the rise and other classes of immigrants have declined. This has been accompanied by a significant increase in their educational qualifications and proficiency in a Canadian official language. Yet, despite their increased human capital, Chinese immigrants still experience very different economic outcomes in the Canadian labour market compared to members of the general population of Canada. For one thing, they have much lower employment and self‐employment income than the general population. Moreover, these earning differentials hold true for all age groups, both genders, and Chinese immigrants from all origins. While their levels of economic performance increases with length of residency in Canada, this study suggests that it would take more than 20 years for Chinese immigrants to close the earning gaps with the general population. Evidence also suggests that Canadian‐specific educational credentials are indeed worth more than those acquired in the immigrants' country of origin, and are much better remunerated by Canadian employers.

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)0,001
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 enseignants0,020
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
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 Opus0,010
Tête enseignante GPT0,248
Écart entre enseignants0,238 · 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

Citations109
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational MigrationMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207