MétaCan
Menu
Retour à la cohorte
Enregistrement W3148238443 · doi:10.1016/j.jmh.2021.100037

“We also deserve help during the pandemic”: The effect of the COVID-19 pandemic on foreign domestic workers in Hong Kong

2021· article· en· W3148238443 sur OpenAlexafffund
Ingrid D. Lui, Nimisha Vandan, Sara E. Davies, Sophie Harman, Rosemary Morgan, Julia Smith, Clare Wenham, Karen A. Grépin

Notice bibliographique

RevueJournal of Migration and Health · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensSimon Fraser University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Government (linguistics)Economic growthWork (physics)Political scienceSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Development economicsSocioeconomicsBusinessMedicineSociologyDiseaseEconomicsInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The coronavirus disease 2019 (COVID-19) pandemic poses particular challenges for migrant workers around the world. This study explores the unique experiences of foreign domestic workers (FDWs) in Hong Kong, and how COVID-19 impacted their health and economic wellbeing. Interviews with FDWs (n = 15) and key informants (n = 3) were conducted between May and August 2020. FDWs reported a dual-country experience of the pandemic, where they expressed concerns about local transmission risks as well as worries about their family members in their home country. Changes to their current work situation included how their employers treated them, as well as their employment status. FDWs also cited blind spots in the Hong Kong policy response that also affected their experience of the pandemic, including a lack of support from the Hong Kong government. Additional support is needed to mitigate the particularly negative effects of the pandemic on FDWs.

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)0,004
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 enseignants0,111
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0100,005
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,046
Tête enseignante GPT0,376
Écart entre enseignants0,329 · 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

Citations58
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Migration and HealthMême sujetMigration and Labor DynamicsTravaux en français237 207