MétaCan
Menu
Retour à la cohorte
Enregistrement W3139461019 · doi:10.1002/psp.2441

Intensity and uncertainty: Performing border conflicts at the US–Mexico borderlands

2021· article· en· W3139461019 sur OpenAlexaff
Guillermo Candiz, Tanya Basok

Notice bibliographique

RevuePopulation Space and Place · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensUniversity of WindsorUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)EthnographyState (computer science)Political scienceControl (management)Political economySociologyManagementSocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract This article draws on border studies that recognise rebordering practices as ongoing performances of conflict between various actors including state authorities, border security agents, migrants, migrant supporters, smugglers, international organisations, lawyers, advocates and others. We draw attention tovariable levels of intensitywith which these conflicts are performed and the impact they have on migrants' ability to exercise their agency. We understand intensity to mean not merely the emotional discursive environment in which these conflicts unfold, and the pressure tactics used by at least some parties, but, more importantly, the speed of the responses by all actors involved in this border performance. Focusing on rebordering practices at the US–Mexico borderlands in 2018 and 2019 adopted in response to new forms of mobility, we characterise these years as a period of high intensity, when rapidly changing policies provoked immediate responses by migrants, and equally speedy counter‐responses by other actors, particularly the US and Mexican administration. We suggest that the volatile architecture of border control in the US–Mexico borders has rendered many strategies employed by Central American migrants to overcome obstacles and create innovative solutions virtually ineffective. The article is based on an ethnographic study carried out between early May and mid‐August 2019 in Mexico.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,004
Communication savante0,0050,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,305
Écart entre enseignants0,289 · 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'étudeQualitatif
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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePopulation Space and PlaceMême sujetMigration, Refugees, and IntegrationTravaux en français237 207