MétaCan
Menu
Retour à la cohorte
Enregistrement W2605930244 · doi:10.1017/s0008423915000785

“Bringing Cities Back In” To Canadian Political Science: Municipal Public Policy and Immigration

2015· article· en· W2605930244 sur OpenAlexaffabout
Aude-Claire Fourot

Notice bibliographique

RevueCanadian Journal of Political Science · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésImmigrationPessimismPoliticsImmigration policyPolitical sciencePublic policyPublic administrationState (computer science)FederalismPolitical economySociologyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Usually, the state of urban research in Canadian political science leads to pessimistic evaluations. This pessimism is belied by one emerging area of study: research on Canadian municipal public policies and immigration, which has flourished over the last 20 years. This article tracks the evolution of this research. First, I retrace how municipal policies for immigrants have been studied, and show how comparison is a central component of this literature. Second, I analyze the dynamics of agenda setting, as well as variables for decision making and implementation. Third, I make three propositions for future research, which are i) to examine the reciprocal relationship between attitudes towards immigration and local public policies and politics; ii) to study local public policy as constructions rather than responses and iii) to revisit the use of national models of integration for cities. In conclusion, I underline the positive outcomes of “bringing cities back in” to Canadian political science, not only to better understand political regulation and Canadian federalism, but also to have a more complete view of the immigrant integration policies.

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)0,009
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,946

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,008
Études des sciences et des technologies0,0220,030
Communication savante0,0150,005
Science ouverte0,0010,006
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,045
Tête enseignante GPT0,336
Écart entre enseignants0,291 · 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'étudeThéorique ou conceptuel
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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Political ScienceMême sujetMigration, Refugees, and IntegrationTravaux en français237 207