MétaCan
Menu
Retour à la cohorte
Enregistrement W2171073139 · doi:10.1007/s11111-014-0214-3

Environmental influences on African migration to Canada: focus group findings from Ottawa-Gatineau

2014· article· en· W2171073139 sur OpenAlexafffundabout
Luisa Veronis, Robert McLeman

Notice bibliographique

RevuePopulation and Environment · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensWilfrid Laurier UniversityUniversity of Ottawa
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésGeographyImmigrationHuman migrationFocus groupSocioeconomic statusEconomic growthSocioeconomicsEmpirical researchScope (computer science)PopulationDevelopment economicsPolitical scienceEnvironmental protectionSociologyDemographyEconomics

Résumé

récupéré en direct d'OpenAlex

There is limited empirical evidence of how environmental conditions in the Global South may influence long-distance international migration to the Global North. This research note reports findings from seven focus groups held in Ottawa-Gatineau, Canada, with recent migrants from the Horn of Africa and francophone sub-Saharan Africa, where the role of environment in migration decision-making was discussed. Participants stated that those most affected by environmental challenges in their home countries lack the financial wherewithal to migrate to Canada. Participants also suggested that internal rural-urban migration patterns generated by environmental challenges in their home countries underlay socioeconomic factors that contributed to their own migration. In other words, environment is a second- or third-order contributor in a complex chain of interactions in the migrant source country that may lead to long-distance international migration by skilled and educated urbanites. These findings have informed the scope and detail of a larger, ongoing empirical study of environmental influences on immigration to Canada.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,366

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0200,004
Communication savante0,0040,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,031
Tête enseignante GPT0,239
Écart entre enseignants0,208 · 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'étudeQualitatif
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

Citations24
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePopulation and EnvironmentMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207