MétaCan
Menu
Retour à la cohorte
Enregistrement W2911439481 · doi:10.3390/ijerph16030488

Mobilities of Older Chinese Rural-Urban Migrants: A Case Study in Beijing

2019· article· en· W2911439481 sur OpenAlexaff
Yang Cheng, Mark W. Rosenberg, Rachel Winterton, Irene Blackberry, Siyao Gao

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Aging, and Tourism Studies
Établissements canadiensQueen's University
Organismes subventionnairesNational Natural Science Foundation of ChinaLa Trobe University
Mots-clésBeijingMobilitiesEnvironmental healthChinaGeographyGerontologyEconomic geographySocioeconomicsDemographic economicsDemographyMedicineSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

Along with the rapid urbanization process in Beijing, China, the number of older rural-urban migrants is increasing. This study aims to understand how Chinese rural-urban migration in older age is influenced by, and impacts on the migrants' mobilities. This study draws on a new conceptual framework of mobile vulnerability, influenced by physical, economic, institutional, social and cultural mobility, to understand older people' experiences of migration from rural to urban areas. Forty-five structured in-depth interviews with older rural-urban migrants aged 55 and over were undertaken in four study sites in Beijing, using the constant comparative method. Results demonstrate that rural household registration (hukou) is an important factor that restricts rural older migrants' institutional mobility. As older migrants' physical mobility declines, their mobile vulnerability increases. Economic mobility is the key factor that influences their intention to stay in Beijing. Older migrants also described coping strategies to improve their socio-cultural mobility post-migration. These findings will inform service planning for older rural-urban migrants aimed at maintaining their health and wellbeing.

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)0,004
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
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 Opus0,041
Tête enseignante GPT0,406
Écart entre enseignants0,365 · 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

Citations32
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetMigration, Aging, and Tourism StudiesTravaux en français237 207