From Highly Skilled to Low Skilled: Revisiting the Deskilling of Migrant Labor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Traditional immigration countries such as United States, Canada, Australia, and New Zealand give preference to migrants with higher education, skills, and professional training that they can transfer to their countries. However, it is not unusual for migrant professionals, especially those from less developed countries, to experience 'deskilling' or occupational downward mobility. Though admitted as professionals based on the immigration policies of the destination countries, many of them are relegated to lower status and lower paying jobs, owing to the nonrecognition of their foreign credentials and the bias for education acquired in the host country or in academic institutions in developed countries, local experience, cultural know-how, and English proficiency. Their foreign credentials and skills often fail to provide the expected occupational rewards and professional development gains which have been a significant part of their motivation to migrate overseas, especially to more developed countries.Deskilling may be viewed in several ways: as a host country's way of filling up labor scarcities in the secondary market by exploiting cheap enclave labor, as a transitional phase for migrants to adjust to the 'standards' of the host country, or as a form of institutionalized discrimination. This paper reviews the deskilling phenomenon to highlight its deleterious effects on migrants' welfare. Some theoretical explanations of deskilling are also examined. Examples of deskilling experiences of different migrant groups show that it is a complex phenomenon that demonstrates the interplay of race, ethnicity, and gender.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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