MétaCan
Menu
Retour à la cohorte
Enregistrement W2346316404 · doi:10.1177/0117196814565184

Information sources and knowledge transfer to future migrants: A study of university students in India

2015· article· en· W2346316404 sur OpenAlexaffabout
Kara Somerville, Scott Walsworth

Notice bibliographique

RevueAsian and Pacific migration journal · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésImmigrationMainstreamEmigrationPolitical scienceFace (sociological concept)Economic growthAngerKnowledge transferSociologyPublic relationsDemographic economicsPsychologySocial psychologyEconomicsSocial scienceManagement

Résumé

récupéré en direct d'OpenAlex

There is widespread recognition of the employment problems facing skilled immigrants in Canada. As a result, research reports high levels of frustration and anger over immigrants’ failed attempts to secure employment in Canada that is commensurate with their foreign-earned credentials and experience. Furthermore, research suggests that these employment problems are largely unanticipated by immigrants. As these employment difficulties have been observed for at least a decade, our study asks why immigrants are surprised by the difficulties they face in Canada. Our research questions focus on the sources of information being used by future migrants living in India. We wondered whether the information sources being used by future migrants are informing them of these employment struggles. To investigate, we surveyed 500 university students in India who plan to emigrate. Our findings confirm the pervasiveness of a reliance on informal migrant networks among future migrants in India, but also reveal how there is a discrepancy between the expected use of formal information sources, and the actual use of these sources. We conclude that the knowledge transfer of migration information is problematic, and we challenge the mainstream account of migrant social capital as a resource that minimizes the costs and risks of migration. Some policy suggestions are provided.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,966

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 Opus0,011
Tête enseignante GPT0,263
Écart entre enseignants0,253 · 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'étudeQualitatif
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

Citations9
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAsian and Pacific migration journalMême sujetMigration and Labor DynamicsTravaux en français237 207