The Politics of Migration: Managing Opportunity, Conflict and Change
Notice bibliographique
Résumé
1. Introduction: Sarah Spencer (Institute of Public Policy Research). 2. Migration to Europe Since 1945: Its History and its Lessons: Randall Hansen (University of Oxford). 3. Managing Rapid and Deep Change in the Newest Age of Migration: Demetrios G. Papademetriou (Migration Policy Institute, Washington DC). 4. The Economic Impact of Labour Migration: Mark Kleinman (University of Bristol). 5. Refugees and the Global Politics of Asylum: Jeff Crisp (Head of the Evaluation and policy Analysis Unit at the Office of the UN High Commissioner for Refugees). 6. The Closing of the European Gates? The New Populist Parties of Europe: John Lloyd (Financial Times). 7. Muslims and the Politics of Difference: Tariq Modood (University of Bristol). 8. The Politics of European Union Migration Policy: Claude Moraes MEP (Member of the European Parliament). 9. The Politics of US Immigration Reform: Susan Martin (Georgetown University). 10. Migration and the Welfare State in Europe: Andrew Geddes (University of Liverpool). 11. Understanding Anti--Asylum Rhetoric: Restrictive Politics or Racist Publics?: Paul Statham (University of Leeds). 12. Immigration and the Politics of Public Opinion: Shamit Saggar (Yale University). 13. Immigration, Citizenship, Multiculturalism: Exploring the Links: Will Kymlicka (Queen's University, Kingston, Ontario).
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,007 |
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 ».