Multicultural citizenship for the highly skilled? Naturalization, human capital, and the boundaries of belonging in Canada’s middle-class nation-building
Notice bibliographique
Résumé
Taking Canada as a widely envied and imitated example of liberal, “difference-blind” economic immigration, in this paper, I examine the permeability, constraints, and symbolic meaning of the different requirements of the naturalization process from the perspective of those who have undergone the process. Based on interviews with recently naturalized Canadians, my study reveals that the three steps of the application process – filing the application, studying the citizenship guide and sitting the test, attending the citizenship ceremony and swearing the citizenship oath – constitute mostly blurred boundaries for skilled and highly educated immigrants, with occasional bright boundaries related to management flaws, classed naturalization, and cultural biases. Specifically, immigrants endowed with valued forms of human capital are naturalizing fast and easily even if they are members of racial, ethnic or religious minorities. This underscores the strength of multiculturalism as national identity and ethos of societal integration. However, the attainment of citizenship in the multicultural nation does not come quasi-automatically as a right for everyone after years of lawful residency. Rather, it is granted as an earned privilege only to those who demonstrate the successful mastery of the skills and mindset of middle-class professionals. Since naturalization now operates along the same econocentric logic that governs immigrant selection through the points system, individuals admitted through non-economic streams, such as refugees and immigrants in the family class are increasingly struggling with the naturalization process. This raises questions about the implicit biases and new fault lines of seemingly difference-blind middle-class nation-building through immigration.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,033 | 0,019 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».