Emerging best practices for supporting temporary migrant farmworkers in Western Canada
Notice bibliographique
Résumé
The aim of this study was to examine the role of support people in determining migrant agricultural workers' access to, or ability to navigate, public spaces and services. While the role of support networks for this population is still in its infancy, much can be gained from understanding the emerging best practices for helping this group. Using a situational analysis research approach, we carried out 4 focus groups and 25 one-on-one interviews, recruiting a total of 30 informal and formal support people as study participants between 2018 and 2019. Data analysis occurred over a 2-year period largely simultaneously with data collection. Developing analytic maps as outlined by Clarke's approach to situational analysis, we reviewed texts and preliminary codes by organising them in terms of situations, social worlds, and discursive positions. Ultimately, we identified four best practices: (a) Anticipating and addressing barriers; (b) building trust and community; (c) acknowledging rights and system accountability and (d) bearing witness and looking to the future. Underlying these best practices was the need for support people to display 'support readiness', or specialised skills, motivation and a personal connection to migrant farmworkers. While these practices have the potential to improve migrant workers' ability to fully participate in public spaces and access public services, until systemic constraints are addressed, support people will be unable to fill the gaps in support for this population.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,026 | 0,009 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».