MétaCan
Menu
← Retour à la cohorte
Enregistrement W2800458633 · doi:10.5539/ibr.v11n6p41

Exploring Migration Economy – Understanding the Loss of the Arab World

2018· article· en· W2800458633 sur OpenAlexvenueno aff
Mohamed Buheji

Notice bibliographique

RevueInternational Business Research · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)Work (physics)World economyDevelopment economicsBusinessCapital (architecture)EconomyPolitical scienceEconomicsGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

Migration economy has been getting more attention in the last two decades and specially in the last few years due to the huge migration movements around the world, but specifically from South to North. Lots work have been written about the economics of migration and how they create positive and negative impacts on the hosting countries and societies, however few literatures focused on exploring the loss of the migrants’ countries of origin and quantifying the benefits for the hosting countries.The Arab world suffered lately more than any other region in the world lots of traumas that led to make its push factors much more than its pull factors for people with the ambition of change and creating a legacy. In this study, we shall explore the level of loss that Arab world have reached and what is the foresighted migration decisions for pulling successful people in the future, especially if the same conditions and practices exist in such countries. The data collected for seventy screened successful Arab Migrants helps to clarify what type of precious human capital the future carries towards the hosting countries. A tabulation of the level of the contribution of the successful Arab migrants is evaluated and lead for sharper conclusion about the value of these precious assets.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,003
Communication savante0,0050,008
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,316
Tête enseignante GPT0,420
Écart entre enseignants0,104 · 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'étudeSans objet
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business Research→Même sujetMigration and Labor Dynamics→Travaux en français237 207→