MétaCan
Menu
Retour à la cohorte
Enregistrement W2977571609 · doi:10.1093/isr/viz050

Changing Motivations or Capabilities? Migration Deterrence in the Global Context

2019· article· en· W2977571609 sur OpenAlexaff
Jonathan D. Kent, Kelsey P. Norman, Katherine H. Tennis

Notice bibliographique

RevueInternational Studies Review · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Denver
Mots-clésTypologyNormativeDeterrence theoryContext (archaeology)CLARITYCorporate governanceSociologyDeterrence (psychology)Law and economicsConceptual frameworkPolitical scienceCriminologyPositive economicsEconomicsLawSocial scienceManagementGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Over the last thirty-five years, Western liberal democracies have exerted more control over their borders through an array of innovative migration-control practices. Scholars have taken stock of these efforts and referred to them collectively as “deterrence” measures, ignoring the fact that deterrence is an established concept with a focused definition and meaning. We argue that in the context of migration governance, the concept of deterrence has been stretched beyond meaningful parameters. In order to restore conceptual clarity and develop a more useful framework, we build on the fourth wave of deterrence literature and apply its insights to these new migration-control practices. We construct a theoretically informed typology that differentiates between deterrence and defense policies. Deterrence aims to change the motivations of migrants, whereas defense policies change migrants’ capabilities. We also differentiate between the timing and location of the interventions. We elaborate on each category of policy with examples drawn from various geographic regions and propose a framework for expanding this analysis through a systematic exploration of global practices. We conclude with a discussion of the implications stemming from these insights with respect to normative and practical debates in this research area.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,904
Score d'incertitude au seuil0,920

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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)0,0010,000

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 Opus0,068
Tête enseignante GPT0,398
Écart entre enseignants0,330 · 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'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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Studies ReviewMême sujetMigration, Refugees, and IntegrationTravaux en français237 207