MétaCan
Menu
Retour à la cohorte
Enregistrement W3158182584 · doi:10.26522/vp.v18i1.2728

Expériences migratoires de jeunes Ouest-Africains en France

2021· article· fr· W3158182584 sur OpenAlexvenueno aff
French French, Nathalie Agbessi

Notice bibliographique

RevueVoix Plurielles · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceGeographyArt

Résumé

récupéré en direct d'OpenAlex

Les débats sur les phénomènes migratoires exposent la tragédie des migrants clandestins dans les camps d’esclavages en Libye, pendant les traversées dangereuses de la mer et leurs conditions précaires dans les pays d’accueil en Europe, surtout en France. Des efforts sont mis en place pour décourager la clandestinité de sorte à guider les potentiels migrants dans leurs choix. Cette étude s’engage à documenter les expériences migratoires récentes de migrants ouest-africains résidant en France. La théorie migratoire d’Everett Lee qui traite des facteurs liés à la décision de migrer, la nouvelle économie de migration qui interroge l’enjeu économique de la migration et l’importance des réseaux migratoires dans les zones d’accueil guident les questionnaires servis en 2018 à trente migrants de l’Afrique de l’ouest résidant en France. Parmi eux, six se sont prêtés à un entretien de type semi-directif sur leurs expériences migratoires. Les facteurs push et pull de leurs migrations sont quantifiés : le désir d’une formation avancée et l’obtention d’emplois mieux rémunérés. Si la décision de migrer est très personnelle, le financement de la migration est une affaire collective. Le but de la migration est une installation définitive en France et permet au migrant de devenir le socle financier de sa collectivité locale. La diaspora continue à influencer la migration dans l’accueil, l’emploi et l’intégration sociale des migrants. Sans être l’eldorado tant rêvée, la France est plus accueillante que prévue.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,004
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,002
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 Opus0,010
Tête enseignante GPT0,267
Écart entre enseignants0,257 · 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVoix PluriellesMême sujetMigration and Labor DynamicsTravaux en français237 207