‘Doing’ capital: examining the relationship between immigrants’ occupational engagement and symbolic capital
Notice bibliographique
Résumé
Globalization has enabled greater mobility and social change through the expansion and diversification of international migration. Following immigration, people become embedded within varying fields of practice. Within these fields, which have been described as social spaces or settings (e.g. workplace) that are characterized by particular norms, certain forms of capital including language skills or educational credentials may be more highly valued than others (Bourdieu 1977; Moore 2008; Thomson 2008). The purpose of this paper is to illustrate how the differential value of immigrants’ symbolic capital within the host societies’ fields influenced their engagement in daily occupations and shaped their socio-economic integration. It is argued that the misrecognition of capital contributes to symbolic violence experienced by immigrants who must subsequently engage in a range of occupations in order to regain forms of symbolic capital that are lost and devalued following immigration. A study was conducted with a multinational group of immigrants in London, Ontario, Canada and Auckland, New Zealand, using narrative and visual methods. Data analysis adopted a theoretical framework informed by concepts from Bourdieu’s theory of practice (1977, 1990). Results illustrate a reciprocal relationship between occupation and symbolic capital, whereby recognition of the latter facilitated immigrants’ everyday ‘doing’. Conversely, the devaluing of capital led many to attempt to acquire resources that could enable their opportunities within specific fields. These findings contribute to the literature on critical understandings of capital as shaped by social power relations, highlighting ways that misrecognition of capital contributes to symbolic violence in processes of socio-economic integration.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».