MétaCan
Menu
Retour à la cohorte
Enregistrement W4248010622 · doi:10.7591/9781501705021

Immigrants in the Lands of Promise

2018· book· en· W4248010622 sur OpenAlexaboutno aff
Samuel L. Baily

Notice bibliographique

RevueCornell University Press eBooks · 2018
Typebook
Langueen
DomaineSocial Sciences
ThématiqueRace, History, and American Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

Most studies of immigration to the New World have focused on the United States. Samuel L. Baily's eagerly awaited book broadens that perspective through a comparative analysis of Italian immigrants to Buenos Aires and New York City before World War I. It is one of the few works to trace Italians from their villages of origin to different destinations abroad. Baily examines the adjustment of Italians in the two cities, comparing such factors as employment opportunities, skill levels, pace of migration, degree of prejudice, and development of the Italian community. Of the two destinations, Buenos Aires offered Italians more extensive opportunities, and those who elected to move there tended to have the appropriate education or training to succeed. These immigrants, who adjusted more rapidly than their North American counterparts, adopted a long-term strategy of investing savings in their New World home. In New York, in contrast, the immigrants found fewer skilled and white-collar jobs, more competition from previous immigrant groups, greater discrimination, and a less supportive Italian enclave. As a result, rather than put down roots, many sought to earn money as rapidly as possible and send their earnings back to family in Italy. Baily views the migration process as a global phenomenon. Building on his richly documented case studies, the author briefly examines Italian communities in San Francisco, Toronto, and Sao Paulo. He establishes a continuum of immigrant adjustment in urban settings, creating a landmark study in both immigration and comparative history.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,357
Score d'incertitude au seuil0,745

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 technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,035
Tête enseignante GPT0,229
Écart entre enseignants0,193 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCornell University Press eBooksMême sujetRace, History, and American SocietyTravaux en français237 207