MétaCan
Menu
Retour à la cohorte
Enregistrement W3014947625 · doi:10.1080/1369183x.2020.1732616

Consuming the neighbourhood? Temporary highly skilled migrants in Montreal’s Mile End

2020· article· en· W3014947625 sur OpenAlexaffabout
Gabrielle Désilets

Notice bibliographique

RevueJournal of Ethnic and Migration Studies · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensInstitut National de Santé Publique du Québec
Organismes subventionnairesnon disponible
Mots-clésNeighbourhood (mathematics)Nature versus nurtureMultinational corporationEthnographyMulticulturalismMileEveryday lifeSociologyEconomic geographyDemographic economicsGeographyEconomic growthPolitical science

Résumé

récupéré en direct d'OpenAlex

The neighbourhood of Mile End, in Montreal, Canada, is known to be a transient, multicultural hub, home to successive waves of migrants. It is internationally acclaimed in popular travel blogs and world lists of ‘hip’ neighbourhoods on the basis of indicators such as number of artists per square kilometre, café culture, and established independent shops. Yet a core of socially involved and rooted residents nurture the village-like vibe of the area. In the past decades, the eastern industrial zone of Mile End has seen a concentration of IT, gaming and film industries rise considerably, especially with the arrival of a large multinational company that brought a significant demographic of mostly affluent professional 20- and 30-something males. Local companies are recruiting temporary high-skilled migrants to respond to a growing demand for various types of designers and programmers. This paper documents the localised everyday life experience of temporary professional migrants’ in the neighbourhood. It considers migrants’ influence on the revitalisation of the area, and their the impact on the urban culture. Ethnographic data on how temporary migrants’ struggle for integration into forms of civic engagement are juxtaposed against their transnational urban lifestyles mostly defined by modes of consumption.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,394
Score d'incertitude au seuil0,905

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,077
Tête enseignante GPT0,342
Écart entre enseignants0,265 · 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'étudeQualitatif
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

Citations10
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Ethnic and Migration StudiesMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207