MétaCan
Menu
Retour à la cohorte
Enregistrement W4200357775 · doi:10.1080/13636820.2021.2015713

Comparative analysis of immigration processes in Canada and Germany: empirical results from case studies in the health and IT sectors

2021· article· en· W4200357775 sur OpenAlexaboutno aff
Silvia Annen

Notice bibliographique

RevueJournal of Vocational Education and Training · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Student and Expatriate Challenges
Établissements canadiensnon disponible
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésImmigrationGermanContext (archaeology)Social capitalRelevance (law)Qualitative researchHuman capitalBusinessLabour economicsDemographic economicsEconomicsPolitical scienceSociologyEconomic growthGeographySocial science

Résumé

récupéré en direct d'OpenAlex

Twelve qualitative case studies in German and Canadian hospitals and IT companies were used in this mixed-methods study analysing the labour market outcomes of immigrants. The reported case studies investigate the immigrants’ recognition, integration process and the usability of foreign qualifications, skills and work experiences in the labour market. Furthermore, the strategies and rationales of employers and employees within the recruiting process are analysed. Here, the focus lies on the transferability and obstacles of cultural and social capital across country borders as well as the relevant framework conditions. This paper refers to Bourdieu’s approach towards different types of capital as well as the rational choice theory.The results demonstrate that immigrants in both countries face more obstacles accessing the labour market within the health sector than within the IT sector. The context of the recruiting situation strongly affects the strategies and behaviour of the employers or the recruiters. Within these sector- and country-specific confines, individual factors determine the immigrants’ labour market success. Furthermore, the sector and the country affect the relevance of each individual factor in the recruiting process.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,639
Score d'incertitude au seuil0,677

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,209
Tête enseignante GPT0,484
Écart entre enseignants0,275 · 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 tête enseignante, 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 revueJournal of Vocational Education and TrainingMême sujetInternational Student and Expatriate ChallengesTravaux en français237 207