MétaCan
Menu
Retour à la cohorte
Enregistrement W2276594466 · doi:10.1080/21632324.2015.1068504

The role of migrant networks in global migration governance and development

2015· article· en· W2276594466 sur OpenAlexaff
Sara Rose Taylor

Notice bibliographique

RevueMigration and Development · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensWilfrid Laurier UniversityBalsillie School of International Affairs
Organismes subventionnairesnon disponible
Mots-clésNexus (standard)Corporate governanceDignityMigrant workersEconomic growthIrregular migrationBusinessPolitical scienceDevelopment economicsEconomic geographyGeographyEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

This study reconceptualises migrant networks as small-scale forms of migration governance. Acting as transnational network structures, migrant networks are able to fill some of the gaps in the currently fragmented global migration governance system. This includes addressing common migration governance objectives, such as reducing issues created by criminal networks, decreasing tensions between migrants and host communities, and improving the safety and dignity of migrants. Further, this study aims to discuss relevant migrant-development nexus effects of migrant networks as migration governance structures, in terms of a migrant’s individual developments as well as development in both the home and destination countries. Migrant networks have great interest in positive development for individual migrants because it would strengthen the network; the migrant would be better able to support future migrants in addition to members remaining in the home country. Migrant development may also have positive effects for the destination country, through the provision of higher-skilled work, and for the home country, through associated remittances and relevant support for network members in the home country.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,005
Communication savante0,0040,004
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 Opus0,013
Tête enseignante GPT0,251
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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMigration and DevelopmentMême sujetMigration and Labor DynamicsTravaux en français237 207