MétaCan
Menu
Retour à la cohorte
Enregistrement W3107784555 · doi:10.26565/2311-2379-2020-98-08

Current tendencies of migration process development: global features and implications for Ukraine

2020· article· en· W3107784555 sur OpenAlexaboutno aff
Uyrii Yakovenko

Notice bibliographique

RevueBulletin of V N Karazin Kharkiv National University Economic Series · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor Market and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmigrationUkrainianResidenceCzechGeographyPolitical scienceDevelopment economicsEconomic geographyDemographic economicsEconomics

Résumé

récupéré en direct d'OpenAlex

The article considers and summarizes the main global features and consequences of migration processes, including Ukraine. The purpose of the article is to establishing current trends in the development of migration processes, namely the global features and consequences for Ukraine. The grouping and generalization methods are used in the article (to represent the main effects of migration processes for donor countries, intermediate countries and recipient countries). The graphic method is applied to reflect the dynamics of changes in the number of emigrants from Ukraine, who were granted the first residence permits in the EU from 2009 to 2018. Methods of concretization and synthesis were used in determining the main consequences of migration processes for Ukraine. As a result of the research, the classification of world countries depending on the directions of migration flows (donor countries, countries of intermediate location and recipient countries) was determined. The list of the largest donor countries, recipient countries in the world with the indication of the number of migrants in these countries was determined. The main consequences of migration processes for world countries were determined, concretized and grouped according to the degree of their influence. The list of countries that are the largest centers of emigration for Ukrainian citizens (Poland, USA, Germany, Canada, Czech Republic) was determined. The main reasons for the increase in the number of emigrants from Ukraine in the periods from 2009 to 2012 and from 2012 to 2018 have been identified. The main consequences of migration processes for Ukraine, as a country-donor of human capital, a country of intermediate location and a recipient country, have been identified and grouped. The predominance of negative consequences of migration processes for Ukraine, as a donor country of human capital, a country of intermediate location, have been determined.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,027
Tête enseignante GPT0,231
Écart entre enseignants0,203 · 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'étudeObservationnel
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of V N Karazin Kharkiv National University Economic SeriesMême sujetLabor Market and EducationTravaux en français237 207