MétaCan
Menu
Retour à la cohorte
Enregistrement W3200264326 · doi:10.1186/s40878-021-00250-4

The migration ban policy cycle: a comparative analysis of restrictions on the emigration of women domestic workers

2021· article· en· W3200264326 sur OpenAlexaff
Richa Shivakoti, Sophie Henderson, Matt Withers

Notice bibliographique

RevueComparative Migration Studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésNegotiationVulnerability (computing)DiplomacyEmigrationPolitical sciencePoliticsSanctionsDevelopment economicsIrregular migrationPolitical economyEconomicsEconomic geographyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Policies banning women domestic workers from migrating overseas have long been imposed by labour-sending states in the Indo-Pacific region. This article presents the complexities surrounding such bans by developing an overarching model of a migration ban policy cycle, which provides a theoretical framework for understanding the circumstances under which migration bans arise and play out. It examines the history of migration bans for four prominent labour-sending states – Indonesia, Nepal, the Philippines and Sri Lanka - to assess the causes, outcomes and extent of regional convergence of these policies. In doing so, we uncover two prominent policy narratives. The first involves labour diplomacy, where countries employ bans to negotiate superior working conditions and rights for migrant workers. The second concerns paternalist states as ‘protector’, where states are primarily motivated to reaffirm traditional gender norms. We conclude that migration bans have been most effective, both in curbing departures and achieving desired outcomes, when they are primarily motivated by labour issues and not gender politics. Nevertheless, even when used as a form of diplomatic negotiation, migration bans heighten the vulnerability of domestic workers to exploitation by pushing them into irregular pathways fraught with risk.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,094
Tête enseignante GPT0,424
Écart entre enseignants0,330 · 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'étudeObservationnel
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

Citations67
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComparative Migration StudiesMême sujetMigration and Labor DynamicsTravaux en français237 207