MétaCan
Menu
Retour à la cohorte
Enregistrement W3121630146

Outsourcing Immigration Compliance

2009· article· en· W3121630146 sur OpenAlexaboutno aff
Eleanor Brown

Notice bibliographique

RevueFordham law review · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationImmigration lawDeportationGovernment (linguistics)OutsourcingNationalityPolitical sciencePopulationCompliance (psychology)Immigration policyBusinessLawSociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract:\nImmigration is a hot button issue about which Americans have sent a clear message. They prefer not to admit more aliens until the government is able to credibly screen for entrants who will abide by the terms of admission and sanction those who do not. While immigration debates now focus almost entirely on undocumented workers, they have overshadowed another critical, yet poorly understood challenge: designing institutions to properly screen for aliens who are visa-compliant and sanction non-compliant aliens. Because failed guest worker programs unquestionably increase the size of the undocumented population, this article addresses the difficulty of institutional design by analyzing the highly controversial guest worker provisions of the Immigration and Nationality Act. This article presents original data from a study of visa-compliance decisions of Jamaicans who work in Canada under a program in which screening is precise, sanctioning is effective and compliance is high. On the basis of this study, this comparative immigration law project contends that the United States should partially outsource screening and sanctioning to source-labor countries.\nThis article critiques the historical uni-national approach to immigration law. This approach fails to recognize that there are critical asymmetries between the United States and the countries from which aliens originate in their capacity to gather information about potential entrants and to sanction visa-violators. This recognition leads to the following insight: source-labor countries are often better placed to screen because can access accurate information about potential entrants from their communities. Source-labor countries are also often well-placed to deter non-compliance because through collective sanctioning, they can influence communities of origin to persuade their members to abide by visa terms. The criminal law scholarship regularly recognizes the impact of norms on deterring crimes; this ethnographic study suggests that the same may be true with respect to immigration violations. This article contends that aliens are more likely to be compliant so long as the authorities design legal rules that augment compliance norms already present in source-labor communities and incentivize community members to reinforce them.

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)0,008
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,002
Communication savante0,0050,002
Science ouverte0,0020,012
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0410,005

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 Opus0,135
Tête enseignante GPT0,466
Écart entre enseignants0,330 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFordham law reviewMême sujetEmployment and Welfare StudiesTravaux en français237 207