MétaCan
Menu
Retour à la cohorte
Enregistrement W2802612561 · doi:10.1111/imig.12456

Policies for Recruiting Talented Professionals from the Diaspora: India and China Compared

2018· article· en· W2802612561 sur OpenAlexfundno aff
Wei Li, K. C. Bakshi, Yining Tan, Xuanyu Huang

Notice bibliographique

RevueInternational Migration · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Public Security of the People's Republic of ChinaDepartment of Science and Technology, Ministry of Science and Technology, IndiaCanadian Institute for Advanced ResearchDepartment of Biotechnology, Ministry of Science and Technology, IndiaNational Science Foundation
Mots-clésDiasporaChinaPrivilege (computing)Political scienceEconomic growthDevelopment economicsPower (physics)Race (biology)EconomicsSociologyGender studies

Résumé

récupéré en direct d'OpenAlex

Abstract Despite the continuous asymmetrical power relations between the Global North and South, the “global race for talent” is no longer a privilege enjoyed only by developed countries. Comparative analysis of policy content and effectiveness has attracted increasing interest. The examination of policy initiatives resulting in return migration of highly‐skilled migrants from the Global North to the Global South, however, remains inadequate. In this article, we provide a comparative analysis of policies targeting high‐level Chinese and Indian professionals including full‐time returnees. Two key differences in policy instruments and outcomes in the two countries are identified and they have implications for migration policies in other countries in the Global South and North.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,516
Score d'incertitude au seuil0,955

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,033
Tête enseignante GPT0,364
Écart entre enseignants0,331 · 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'étudeObservationnel
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

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational MigrationMême sujetMigration and Labor DynamicsTravaux en français237 207