MétaCan
Menu
Retour à la cohorte
Enregistrement W30821098 · doi:10.1057/9780230281400_1

Shifting landscapes of citizenship

2010· article· en· W30821098 sur OpenAlexaboutno aff
Christina Slade

Notice bibliographique

RevueResearchSPAce (Bath Spa University) · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePhilippine History and Culture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitizenshipImmigrationPolitical scienceEuropean unionGlobalizationState (computer science)Political economyLawDevelopment economicsSociologyPoliticsEconomics

Résumé

récupéré en direct d'OpenAlex

What it is to be a citizen is not a simple matter. For an individual to be a citizen is for that person to belong in a particular way to a community, be it a ‘city’ (as in the origins of the term), a nation state or some other broad grouping such as the European Union (EU). That an individual is a citizen of a community is a matter of law. However, the relationship also carries cultural connotations. Being a citizen implies that an individual shares certain beliefs with, and behaves as a member of, the community. The beginning of the twenty-first century has seen a number of nation states impose — or refine — tests to ensure that citizens to whom they grant the formal legal status have appropriate cultural attributes. Not only have the classical countries of immigration, such as Australia, Canada and the United States, strengthened or reintroduced stringent tests for migrants to become citizens, but the countries of Western Europe have, for the first time, also turned to testing regimes. Since the beginning of the century, the Netherlands and Germany have imposed tests of cultural knowledge for new citizens; the Netherlands has developed a civic integration regime which prospective migrants take before arrival; and the United Kingdom has revised its requirements of cultural knowledge and toughened its stance on visas and migration (Chapter 6). In a time of globalisation, it is remarkable that so many nations are insisting on nationally based cultural attributes for would-be citizens.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0150,083
Communication savante0,0230,017
Science ouverte0,0010,018
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,023
Tête enseignante GPT0,279
Écart entre enseignants0,256 · 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

Citations6
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearchSPAce (Bath Spa University)Même sujetPhilippine History and CultureTravaux en français237 207