MétaCan
Menu
Retour à la cohorte
Enregistrement W2301893932 · doi:10.1111/grow.12144

New Immigrants Seeking New Places: The Role of Policy Changes in the Regional Distribution of New Immigrants to <scp>C</scp>anada

2016· article· en· W2301893932 sur OpenAlexaboutno aff
Aneta Bonikowska, Feng Hou, Garnett Picot

Notice bibliographique

RevueGrowth and Change · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationDestinationsDemographic economicsDistribution (mathematics)New immigrantsWageGovernment (linguistics)Political scienceGeographyEconomicsLabour economicsTourism

Résumé

récupéré en direct d'OpenAlex

Abstract Canada, the U.S., and Australia have recently experienced an increased regional dispersion of entering immigrants. American research suggests that a mixture of economic push factors (away from states like California) and pull factors (toward states with growth of low‐wage jobs) and changing government policies and regulations contributed to the development of the New Gateways. Very few studies have been conducted to determine why the regional dispersion of entering immigrants occurred in Canada. This paper assesses the extent to which changes in immigration selection programs, notably, the Provincial Nominee Programs, contributed to the regional dispersion of entering immigrants. Using data from immigrant landing records, this study shows that different factors accounted for changes in the share of immigrants settling in different destinations. Changes in immigration selection programs played the primary role in the increasing numbers going to Saskatchewan and Manitoba, although improving economic conditions may have played an indirect role. Shifts in immigrant source regions were an important factor in the decrease in immigration to Toronto and in the increase to Montréal. Economic conditions likely played a significant role in the changes in the shares of new immigrants going to Toronto, Montréal, Calgary, and Edmonton.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,648
Score d'incertitude au seuil0,700

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,263
Écart entre enseignants0,241 · 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

Citations18
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGrowth and ChangeMême sujetMigration and Labor DynamicsTravaux en français237 207