MétaCan
Menu
Retour à la cohorte
Enregistrement W3186348279 · doi:10.32674/jis.v12i1.2881

Exploring the Effects of the COVID-19 Pandemic on International Students and Universities in Canada

2021· article· en· W3186348279 sur OpenAlexaffabout
David Firang, Joseph Mensah

Notice bibliographique

RevueJournal of International Students · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and experiences of immigrants and refugees
Établissements canadiensYork UniversityTrent University
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)ImmigrationInternational educationPolitical sciencePsychological resilienceResilience (materials science)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Economic growthHigher educationSociologyPsychologyMedicineEconomicsSocial psychologyLaw

Résumé

récupéré en direct d'OpenAlex

International students in Canada make enormous contribution to the Canadian economy. As domestic students’ enrolment has declined, international students’ admissions have compensated for economic losses that Canadian universities incur from the decline of domestic students’ enrolment. The COVID-19 pandemic is impacting international students’ admissions to Canadian universities. Drawing on various secondary data sources, this article argues that international students in Canada are vulnerable due to their temporary immigration status. They are excluded from most governments’ relief programs aimed at supporting Canadians during this pandemic. Most international students experience psychological and financial difficulties amid the pandemic. The situation is triggering a further decline in international students’ admission, creating economic implications for Canadian universities. By exploring the challenges facing international students and the strategies required to strengthen international students' resilience and universities’ capacities, the paper contributes to our understanding of the plights of international students and educational institutions amid the COVID-19 pandemic.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,474

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0200,005
Communication savante0,0060,002
Science ouverte0,0020,008
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 GPT0,375
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'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

Citations35
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of International StudentsMême sujetEducation and experiences of immigrants and refugeesTravaux en français237 207