MétaCan
Menu
Retour à la cohorte
Enregistrement W3034277660 · doi:10.18357/mmd51202019619

Making Sense of One's Feelings

2020· article· en· W3034277660 sur OpenAlexaboutno aff
Jean-Michel Montsion

Notice bibliographique

RevueMigration Mobility & Displacement · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Student and Expatriate Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeelingNarrativeFraming (construction)ChinaPsychologyConfusionSocial psychologySociologyPolitical scienceHistory

Résumé

récupéré en direct d'OpenAlex

Canadian universities’ sharpened focus on international students starting in the early 2000s coincided with the growing interest by students from China to study abroad. Various actors, including states, have shaped and benefited from this increase in student migration. I examine how student migrants deal with the feeling rules transmitted to them, as an under-explored site where the migration experience is shaped and justified. In light of the work of Sara Ahmed and Arlie Russell Hochschild, I explore how students feel and are asked to feel about their studies abroad, and how emotions work in framing and maintaining the migration narrative. Through Ahmed’s concept of skin of the collective, I argue that Chinese student migrants are affected by and contribute to an affective atmosphere regarding their years of study in Canada as specific feeling rules help them make sense of similar experiences of confusion, frustration, self-reliance, and responsibility. Based on interviews with students and university staffers, I discuss the links between this type of migration, the actors involved, and the emotional landscapes students navigate in order to highlight how they interpret their own experiences and how these interpretations contribute to maintaining a general narrative about being Chinese international students in Canada.

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)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,273

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0240,037
Communication savante0,0170,008
Science ouverte0,0020,010
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,092
Tête enseignante GPT0,378
Écart entre enseignants0,286 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMigration Mobility & DisplacementMême sujetInternational Student and Expatriate ChallengesTravaux en français237 207