MétaCan
Menu
← Retour à la cohorte
Enregistrement W2315646997 · doi:10.14288/1.0090375

Variables associated with the employment and occupational status of Southeast Asian women refugees

2009· article· en· W2315646997 sur OpenAlexaboutno aff
Bénita Bunjun

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefugeeImmigrationSoutheast asiaDemographic economicsPolitical scienceSocioeconomicsSociologyEconomicsEthnology

Résumé

récupéré en direct d'OpenAlex

There have been numerous studies on the economic, social, and emotional lives of the Southeast Asian refugees (Adelman, 1982; Beiser, Johnson, & Roshi, 1994; Haines, 1989; Neuwirth, 1984; Nutter, 1984; Whitmore, Trautmann, & Caplan, 1989), yet the lack o f focus on Southeast Asian women refugees is prevalent. Human capital theory explored Southeast Asian women refugees' unique settlement experience as workers in Canada. Data from the Refugee Resettlement Study, " A Ten Year Study of Southeast Asian Refugees in Canada" (Beiser et al., 1994) was used to examine the employment experiences of women from Vietnam and Laos who came to Canada as refugees. The majority of the women were employed and were in jobs with low occupational status. Logistic regression was used to analyse variables associated with employment and occupational status. High English language proficiency was associated with being employed and having high occupational status. In addition, being younger increased employability. When the individual items within the English language proficiency scale were assessed, ability to read English and low ethnic concentration promoted employability. Ability to write English and low ethnic concentration increased the likelihood of having higher occupational status. This study contributes to the limited literature on refugee women's human capital accumulation and employment experiences during settlement in the host 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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,197 · 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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)→Même sujetMigration and Labor Dynamics→Travaux en français237 207→