MétaCan
Menu
Retour à la cohorte
Enregistrement W2973871982 · doi:10.1093/jrs/fez078

Challenging Immigration Detention: Academics, Activists and Policy-Makers. By Michael J. Flynn and Matthew B. Flynn (eds)

2019· article· en· W2973871982 sur OpenAlexaff
Sarah Turnbull

Notice bibliographique

RevueJournal of Refugee Studies · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésImmigration detentionImmigrationPolitical scienceLawCriminologyPublic administrationSociology

Résumé

récupéré en direct d'OpenAlex

The proliferation of immigration detention around the world has been accompanied by growing interest in, and critical attention to, this policy and practice amongst academics, activists, policymakers, journalists and members of the general public. Challenging Immigration Detention—a collection edited by Michael J. Flynn and Matthew B. Flynn—is a helpful addition to the international discussion and debate about migrant detention (see e.g. recent edited collections by Nethery and Silverman 2015; Furman et al. 2016; Conlon and Hiemstra 2017). What sets this volume apart is its focus on the complicated question of how to challenge the policy and practice of detention while also working to make it less harmful for those who are detained. Comprising 14 chapters along with an introduction and conclusion, the collection covers a range of issues, perspectives and jurisdictions, with contributors who are (as the book’s subtitle indicates) academics, activists and policymakers. Topics include deaths in detention and family detention in the United States; inspecting detention in the United Kingdom; youth-activist infiltrations of detention centres in the United States; international advocacy and alternatives to detention; legal frameworks in South America, the European Union and other countries of the Global North; and the provision of mental health care in Australian detention facilities.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
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: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0110,009
Communication savante0,0200,013
Science ouverte0,0030,009
Intégrité de la recherche0,0090,014
Charge utile insuffisante (le modèle a refusé de juger)0,0130,006

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 Opus0,017
Tête enseignante GPT0,327
Écart entre enseignants0,310 · 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
GenreSynthèse

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Refugee StudiesMême sujetMigration, Refugees, and IntegrationTravaux en français237 207