MétaCan
Menu
Retour à la cohorte
Enregistrement W2172538307 · doi:10.4314/ijah.v4i3.1

Unnoticed Ways in which Migration Reinforces Under development

2015· article· en· W2172538307 sur OpenAlexaff
Frank Aragbonfoh Abumere

Notice bibliographique

RevueAFRREV IJAH An International Journal of Arts and Humanities · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésUnderdevelopmentPovertyNeglectEconomicsDevelopment economicsDutyDeveloping countryEmpirical evidenceEconomic growthPolitical sciencePsychologyLaw

Résumé

récupéré en direct d'OpenAlex

This paper analyses how migration from low income economies to high income economies can actually have negative rather than positive consequences on development and low income economies. There are noticed ways - such as brain drain, separation from family, etc – in which migration negatively affects sending- countries. But this paper argues that there are unnoticed ways in which migration negatively affects development and low income economies. For this paper, the relationship between migration and underdevelopment is a complex rather than a simple one. It is simple to see how underdevelopment causes migration. But to see that migration in turn reinforces underdevelopment, one needs to engage in some complex analysis. Alarmingly, the end-result of the complex analysis is that migration and remittances, while alleviating poverty, can actually make: citizens neglect their duty to hold their governments responsible for underdevelopment; and governments neglect their duty to find long term solutions to the problem of underdevelopment. In terms of methodological approach, admittedly this sort of work often requires empirical methods. Nevertheless, the aim of this paper is to do a theoretical analysis which will serve as the foundation on which future empirical works can be based.Key words; Institutions, Migration, Poverty, Remittances, Underdevelopment.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,906

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,098
Tête enseignante GPT0,323
Écart entre enseignants0,226 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAFRREV IJAH An International Journal of Arts and HumanitiesMême sujetMigration and Labor DynamicsTravaux en français237 207