MétaCan
Menu
Retour à la cohorte
Enregistrement W3211907071 · doi:10.1177/23315024211045629

The Role of Migration Research in Promoting Refugee Well-Being in a Post-Pandemic Era

2021· article· en· W3211907071 sur OpenAlexaff
Ellen Percy Kraly, Holly E. Reed, Malay Majmundar, Susan McGrath, Pia M. Orrenius, Romesh Silva, Sarah Staveteig

Notice bibliographique

RevueJournal on Migration and Human Security · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésRefugeePolitical scienceStakeholderPandemicFoundation (evidence)PopulationPublic relationsSociologyEngineering ethicsCoronavirus disease 2019 (COVID-19)MedicineEngineeringLaw

Résumé

récupéré en direct d'OpenAlex

This paper summarizes the presentations and discussions of a virtual stakeholder meeting on Refugee Resettlement in the United States which built on the foundation of the May 2019 workshop represented in this special issue. With support from the Robert Wood Johnson Foundation and the Andrew W. Mellon Foundation and hosted by the Committee on Population (CPOP) of the US National Academies of Sciences, Engineering, and Medicine on Dec 1–2, 2020, 1 the meeting convened migration researchers, representatives of US voluntary resettlement agencies, and other practitioners to consider the role of migration research in informing programs serving refugees and migrants during the COVID-19 pandemic, continuing an emphasis on bringing global learning to those on the ground working with refugees. The goal of CPOP's work in this area has always been to build bridges between communities of research and practice and to create a dialogue for a shared agenda. We present the goals and framework for the 2020 meeting, followed by a summary of each of the four sessions and themes that emerged from these discussions. The paper ends by considering effective ways of amplifying the role of research in refugee policy and programs of refugee resettlement in the United States and how demographers and population researchers might contribute to this goal.

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)0,103
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,546

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1030,062
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0230,035
Communication savante0,0180,016
Science ouverte0,0020,020
Intégrité de la recherche0,0070,011
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,390
Écart entre enseignants0,357 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal on Migration and Human SecurityMême sujetMigration, Health and TraumaTravaux en français237 207