MétaCan
Menu
Retour à la cohorte
Enregistrement W3131282750 · doi:10.1002/psp.2443

Spaces of well‐being and regional settlement: International migrants and the rural idyll

2021· article· en· W3131282750 sur OpenAlexaff
Natascha Klocker, Paul Hodge, Olivia Dun, Eliza Crosbie, Rae Dufty‐Jones, Celia McMichael, Karen Block, Margaret Piper, Emmanuel Musoni, Lynda L. Ford, Carly N. Jordan, D. C. Radford

Notice bibliographique

RevuePopulation Space and Place · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensGolder Associates (Canada)
Organismes subventionnairesDepartment of Health, State Government of VictoriaUniversity of Wollongong
Mots-clésResidenceRegionalisationSettlement (finance)GeographyIdyllRural settlementPopulationHuman geographyEconomic growthRural areaEconomic geographyPolitical scienceSociologyEconomicsDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Regionalisation is a hallmark of Australia's approach to international migration, reflecting governments' growing concern with where new arrivals live. Residence in regional Australia is encouraged (mandated, for some visas) in response to urban population pressures alongside rural population and economic decline. Parallel to regionally focused visa schemes exists a pattern of voluntary urban‐to‐rural migration among some international migrants. Such secondary mobility counters the policy logic that international migrants only live outside cities when required to do so. This paper explores 18 African migrants' motivations for ‘urban flight’: Australian cities have failed to sustain their well‐being and they consider rural life a remedy. Their preference for rural locations is not purely instrumental, it is shaped by deep‐seated affective connections. Given the challenges of regional population retention, settlement policies should be recalibrated to support the aspirations of international migrants who feel an affinity for rural places, rather than compelling the rural settlement of others who do not.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,023

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,009
Communication savante0,0040,002
Science ouverte0,0000,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,011
Tête enseignante GPT0,281
Écart entre enseignants0,269 · 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

Citations23
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePopulation Space and PlaceMême sujetMigration and Labor DynamicsTravaux en français237 207