MétaCan
Menu
Retour à la cohorte
Enregistrement W3152592143 · doi:10.47634/cjcp.v55i1.69129

Career Transition of Immigrant Young People: Narratives of Success

2021· article· en· W3152592143 sur OpenAlexaffvenueabout
William A. Borgen, Marla J. Buchanan, Deepak John Mathew, Ria Nishikawara

Notice bibliographique

RevueCanadian Journal of Counselling and Psychotherapy · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCareer Development and Diversity
Établissements canadiensTrinity Western UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMentorshipInternshipNarrativeThematic analysisNarrative inquiryPassionImmigrationCareer developmentPsychologyGender studiesPedagogyQualitative researchSocial psychologySociologyMedical educationSocial sciencePolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

While a high unemployment rate is documented among immigrant young people, research also suggests that they experience success with career decision-making despite challenging circumstances (Hofferth & Moon, 2016). This study explored the career decision-making narratives of nine young people between the ages of 25 and 35 who had come to Canada when they were between the ages of 13 and 17 and who self-define as doing well in their career decision-making. Using a narrative research design, individual narrative accounts were constructed and analyzed using a thematic analysis (Braun & Clarke, 2006). The six themes that emerged from participant responses were (a) parental and family influences, (b) networking, making connections, and mentorship, (c) personal and workplace challenges, (d) peer influences, (e) the value of education, internships, and volunteering, and (f) the importance of rewarding, fulfilling work and pursuing one’s passion. Implications for career counselling practice, research, and career theory development are discussed.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,055
Score d'incertitude au seuil0,109

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,007
Communication savante0,0050,003
Science ouverte0,0010,007
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,256
Écart entre enseignants0,237 · 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

Citations4
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Counselling and PsychotherapyMême sujetCareer Development and DiversityTravaux en français237 207