MétaCan
Menu
Retour à la cohorte
Enregistrement W3211100936 · doi:10.1080/1369183x.2021.1990748

A methodological analysis of national models of integration: time to think without the models?

2021· article· en· W3211100936 sur OpenAlexaff
Aryan Karimi, Rima Wilkes

Notice bibliographique

RevueJournal of Ethnic and Migration Studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNormativeEssentialismNational integrationNationalismPositive economicsEpistemologyImmigrationValue (mathematics)Key (lock)SociologyPolitical scienceComputer scienceEconomicsLawPolitics

Résumé

récupéré en direct d'OpenAlex

National models of integration are widely used to understand the relationship between nationalism and integration-immigration policies. In this methodological article, we highlight two key concerns. First, national models of integration emerged out of inductive and normative case studies. The analytical value of models which are based on inductive and normative reasoning is not directly generalisable beyond very similar cases. Second, and despite their inductive limitations, the generalisation and application of national models beyond these analytical limits have produced tautological and essentialist outcomes – fitting empirical data into the models and overlooking other possible correlations between nationalism and integration policies. Amid recent scholarly attempts at amending the national models, the question remains whether national models are truly useful tools for the comparative studies of the relationships between nationalism and integration-immigration policies. We argue that comparative examinations require a more robust theoretical and methodological approach that can be used across periods and contexts without becoming tautological and essentialist.

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)0,070
score de la tête « metaresearch » (Gemma)0,100
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,368

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0700,100
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0060,035
Communication savante0,0100,029
Science ouverte0,0040,008
Intégrité de la recherche0,0030,009
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 Opus0,380
Tête enseignante GPT0,476
Écart entre enseignants0,096 · 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Ethnic and Migration StudiesMême sujetMigration, Refugees, and IntegrationTravaux en français237 207