MétaCan
Menu
Retour à la cohorte
Enregistrement W2128827539

Immigration, Low Income and Income Inequality in Canada: What's New in the 2000s?

2014· preprint· en· W2128827539 sur OpenAlexaboutno aff
Garnett Picot, Feng Hou

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2014
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationEconomic inequalityDemographic economicsEarningsInequalityEconomicsGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper documents changes in low-income and high-income rates and in family-income inequality among immigrants and Canadian-born persons over the 1995-to-2010 period. In addition, it estimates the extent to which declining low-income rates among immigrants were attributable to changing compositional characteristics over this period, and the direct role that immigration played in low-income and income-inequality trends in Canada. Both national and regional results are presented. There are four major findings. First, in contrast to the 1980s and 1990s, immigrant low-income rates declined in the 2000s. The decline was particularly evident in the western regions, but was not observed in Toronto. However, because low-income rates also declined among the Canadian-born through the 2000s, immigrants’ low-income rates relative to the Canadian-born remained high in most regions. Manitoba and Saskatchewan were exceptions in this regard. Second, changes in immigrant characteristics and selection programs accounted for about one-third of the decline in low-income rates among recent immigrants. Again, this varied by region. Third, while rising immigrant low-income rates accounted for virtually all of the increase in the national low-income rate over the 1980s and 1990s, immigrants accounted for little of the decline in the national low-income rate during the 2000s. Immigrants also accounted for little of the rise in the high-income rate observed between 1995 and 2010. Fourth, immigration contributed very little to national trends in either family-income inequality or family-earnings inequality since the mid-1990s.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,238
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,024
Tête enseignante GPT0,322
Écart entre enseignants0,298 · 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 tête enseignante, 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

Citations13
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetMigration and Labor DynamicsTravaux en français237 207