Ethnicity and the Immigration of Highly Skilled Workers to the United States
Notice bibliographique
Résumé
Purpose - This paper aims to examine ethnicity among highly skilled immigrants to the USA. Design/methodology/approach - The paper examines five classic components of ethnicity – country of birth, race, skin color, language, and religion – among persons admitted to legal permanent residence in the USA in 2003, as principals in the three main employment categories (EB‐1, EB‐2, and EB‐3), using data collected in the US New Immigrant Survey. Findings - The visa categories have distinctive ethnic configurations. India dominates EB‐2, European countries and Canada EB‐1. The ethnicity portfolio contains more languages than religions. Language is shed before religion, and religion may not be shed at all, except among the ultra highly skilled of EB‐1. Highly skilled immigrants are mostly male; they are not immune from lapsing into illegality; they have a shorter visa process than their cohortmates; smaller proportions than in the cohort overall intend to remain in the USA. Larger proportions in EB‐2 and EB‐3 sent remittances than in the cohort overall. A little measure of assimilation – using dollars to describe earnings in the country of last residence, even when requested to use the country's currency – suggests that highly skilled immigrants are more likely to “think in dollars” than their cohortmates. Research limitations/implications - The paper is like an aerial reconnaissance. It is necessary to now go under the ledges and into the caves. Originality/value - The data used are the first ever collected on a probability sample of new legal immigrants to the USA. It is expected that many researchers will use these data to generate valuable new knowledge.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».