Africa. Migrations Between Perceptions and Data Production in the Long Run
Notice bibliographique
Résumé
Africa is a vast continent with more than a billion inhabitants in 54 countries and highly variegated political, economic, climatic and social conditions. Human mobility within a continent that has been the cradle of various cultures dates to prehistoric times. By the mid21st century, Africa’s population will reach two billion and account for almost a quarter of the planet’s inhabitants. The continent will also continue to stand out for the low average age of the population (currently 19 years). Urbanization is increasing, with between 40% and 70% of the population living in cities, depending on the context, while the lack of comparable growth in economic and social resources is leading to a worsening of living conditions, with inevitable repercussions on already intense migratory flows. Forced or voluntary migration is, first of all, internal to the continent. But what are the reasons for emigration? Of the legacies that weigh on the history and present of Africa, the slave trade and colonialism are among the heaviest. This paper reviews the literature on the drivers of African migration, focusing particularly on African perceptions of Europe, and discusses the state of the art in the production of data on migration and its usability in the light of current conceptual and methodological issues.
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 | 0,017 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».