MétaCan
Menu
Retour à la cohorte
Enregistrement W3141756516 · doi:10.47298/cala2020.4-2

The Indian Hakkas of Vienna

2020· article· en· W3141756516 sur OpenAlexaboutno aff
Ralf Vollmann, Soon Tek Wooi

Notice bibliographique

Revue˜The œGLOCAL conference proceedings · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHomelandHindiGermanEmigrationGeographyHistorySociologyEthnologyPolitical scienceLinguisticsArchaeologyLaw

Résumé

récupéré en direct d'OpenAlex

Hakka emigration has created many smaller communities worldwide; where some groups continued their migratory journey. One such example is the Hakkas, who first migrated to Calcutta and then moved on to Vienna and Toronto, clustering in a close-knit social network. In various sessions, Viennese Hakkas of all age groups were interviewed for their lifestories and linguistic practices. (a) The linguistic competence of the migrants includes Hakka, English and Indian (Hindi, Ben¬gali) but often rather little German; Hakka is important at the workplace (Chinese restaurants) and is transmitted in families; Indian helps establish professional relationships with Indian migrants. (b) The social network is rather closed to Hakka friends from Calcutta or from other places. All Hakkas closely cooperate and usually have only few outside contacts. They consider Calcutta as their old homeland to which they return for Chinese New Year. (c) The younger generation consists of weak speakers of Hakka who are fully integrated into Austrian culture, but also maintain contacts to Toronto and love to visit friends and family in India. To conclude, the Indian Hakkas of Vienna are an interesting example of a two-step migration which first converted some Chinese into Indians, and then planted this Indian subgroup into Europe.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,059
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,044
Tête enseignante GPT0,279
Écart entre enseignants0,235 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œGLOCAL conference proceedingsMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207