MétaCan
Menu
Retour à la cohorte
Enregistrement W2407775975 · doi:10.1057/9781137033765_3

Globalization, Social Justice, and Migration: Indonesian Domestic Migrant Workers in Malaysia

2013· book-chapter· en· W2407775975 sur OpenAlexaff
Cynthia Joseph

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2013
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensAcadia University
Organismes subventionnairesnon disponible
Mots-clésGlobalizationUnemploymentLiberalizationEconomicsFree tradePovertyLabour economicsDevelopment economicsMarket economyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Economic globalization, or liberalization, has been one of the major priorities of most national and global economic policies over the last two decades. Components of economic globalization/liberalization include trade and financial liberalization, deflationary macroeconomic policies, fiscal restraint, privatization of state-owned enterprises, and labor market liberalization (Razavi, 2008, p. 1). The adoption of market principles into public management and provision of public services has resulted in the elimination of subsidies, increasing poverty, unemployment, and social inequalities. Vulnerable, marginalized, and weaker sections of society, including unskilled and low-skilled workers and the poor, continue to be disadvantaged in this current economic climate that emphasizes capitalism, market economy profit and competition at the expense of social justice and human rights. Economic globalization with its associated liberalization policies has also resulted in an increase in labor mobility across borders, as in the case of capital and technology. Some people, including high-skilled, low-skilled and unskilled workers, migrate to find better wages and more job opportunities. One of these groups of low-skilled and unskilled workers includes domestic migrant workers. These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,262
Écart entre enseignants0,248 · 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'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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetMigration and Labor DynamicsTravaux en français237 207