MétaCan
Menu
← Retour à la cohorte
Enregistrement W3197782816 · doi:10.22372/ijkh.2021.26.2.11

“We Are Not Foreigners”: Constructing Migrant Subjects through Korean Chinese Migrants’ Claims-Making in South Korea

2021· article· en· W3197782816 sur OpenAlexaff
Yang-Sook Kim, Yi-Chun Chien

Notice bibliographique

RevueInternational Journal of Korean History · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMinistry of Science and Technology, TaiwanFord Foundation
Mots-clésCitizenshipAllegianceConstruct (python library)NegotiationSubjectivityGender studiesEthnic groupFraming (construction)Political scienceEthnographyMigrant workersChinaSociologyChinese americansState (computer science)Economic growthLawGeographyPoliticsAnthropology

Résumé

récupéré en direct d'OpenAlex

In this paper, we approach citizenship as a claims-making process consisting of social construction practices that emerge from ongoing negotiations and contestations. We examine the migrant subject-making process of Korean Chinese migrants in South Korea. We draw on the voices of migrants to discuss how Korean Chinese construct their migrant subjectivity by mobilizing a collective understanding of ethnonational belonging and thereby deploy distinctive strategies to support their claims. Our analysis of the data gathered from ethnographic observations and interviews with Korean Chinese migrant workers, activists, South Korean bureaucrats, and policymakers show that Korean Chinese migrants have called upon blood ties and ethnic affinity, continued allegiance, economic contributions, and human rights to construct themselves as legitimate candidates for citizenship in South Korea. By shifting our analytical focus from the state to the migrant subjectivity that emerges through day-to-day negotiations, we aim to unpack the complicated dynamics of social constructions of citizenship.

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)0,008
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,015
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,017
Communication savante0,0090,007
Science ouverte0,0010,009
Intégrité de la recherche0,0010,002
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 Opus0,037
Tête enseignante GPT0,296
Écart entre enseignants0,259 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Korean History→Même sujetMigration, Ethnicity, and Economy→Travaux en français237 207→