MétaCan
Menu
Retour à la cohorte
Enregistrement W2908839442 · doi:10.7202/1055582ar

Examining the Intersection of Race, Gender, Class, and Age on Post-Secondary Education and Career Trajectories of Refugees

2018· article· en· W2908839442 sur OpenAlexaffvenueabout
Jaswant Kaur Bajwa, Mulugeta Abai, Sean A. Kidd, Sidonia Couto, Aytak Akbari-Dibavar, Kwame McKenzie

Notice bibliographique

RevueRefuge Canada s Journal on Refuge · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensWellesley InstituteYork UniversityCentre for Addiction and Mental HealthGeorge Brown College
Organismes subventionnairesnon disponible
Mots-clésRefugeeEmpowermentDemographicsRace (biology)RacismIntersection (aeronautics)SeekersIntersectionalityGender studiesPerspective (graphical)Higher educationClass (philosophy)PsychologySociologyPolitical scienceDemographyEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

This study examines the role of demographics on education and career trajectories of refugees’ in Canada from an intersectional perspective. It implemented a 14-week unique educational program that was completed by a total of 41 refugees’, over two cohorts with the goal to overcome barriers, bridge gaps and facilitate their transition into higher education. The data collected using semi-structured interview guide was analyzed using a constant comparative method. The findings suggest that a supportive educational model that promotes safety, sense of belonging and empowerment are critical to combat the structural racism, sexism and other discriminatory factors in accessing higher education.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,698
Score d'incertitude au seuil0,973

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 technologies0,0000,000
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 Opus0,028
Tête enseignante GPT0,302
Écart entre enseignants0,274 · 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'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

Citations22
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRefuge Canada s Journal on RefugeMême sujetMigration, Health and TraumaTravaux en français237 207