MétaCan
Menu
Retour à la cohorte
Enregistrement W3145102013 · doi:10.3390/socsci10040123

The Border Harms of Human Displacement: Harsh Landscapes and Human Rights Violations

2021· article· en· W3145102013 sur OpenAlexafffund
Suzan Ilcan

Notice bibliographique

RevueSocial Sciences · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésHuman rightsScholarshipNegotiationAgency (philosophy)Argument (complex analysis)Displaced personSociologyPolitical scienceLawCriminologyLaw and economicsPolitical economyRefugeeSocial science

Résumé

récupéré en direct d'OpenAlex

Building on the work of critical migration and border studies, particularly the scholarship on the suffering of displaced people through border-related violence, the article focuses on bordering practices and human rights violations relating to the Syrian civil war. It advances the argument that during peoples’ fragmented journeys to seek safety and protection within and outside of Syria, which are often punctuated by stops and starts, they encounter one or more of three kinds of bordering practices—hardening of borders, expansion of borders, and pushbacks—that can injure them and violate international human rights and often the principle of non-refoulement. The article refers to these encounters as the “border harms of human displacement”. The analysis emphasizes the experiences of people on the move and the cruelties and spatial violence they endure. The latter include lengthy periods of walking and running, travel across hazardous lands and seas, family separation, state restrictions, and mistreatment by border authorities. Yet, in response to such difficulties, they continue to assert their agency by negotiating bordering practices and harsh landscapes.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,009
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,036
Communication savante0,0060,006
Science ouverte0,0010,010
Intégrité de la recherche0,0020,003
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 Opus0,024
Tête enseignante GPT0,382
Écart entre enseignants0,359 · 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

Citations14
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocial SciencesMême sujetMigration, Refugees, and IntegrationTravaux en français237 207