Contesting Inequality: The Impact of Immigrant Legal Status and Education on Legal Knowledge and Claims-Making in Low-Wage Labor Markets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Low-wage Latina/o workers are subject to an array of workplace abuses. This study focuses on whether educational attainment may moderate inequality in knowledge or claims-making across individuals with different legal statuses. This question is motivated by research which, while highlighting the role of education in promoting civic and political engagement, has not examined the interaction between education and legal status for worker claims-making. We draw from the 2008 Unregulated Work Survey, which is representative of the 1.64 million low-wage workers in Chicago, Los Angeles, and New York, three of the largest immigrant destinations in the United States. Using the Latina/o subsample, we test whether education impacts workers’ procedural knowledge of the claims process, as well as their actual claims-making behavior, across four categories of workers: U.S.-born citizens, naturalized citizens, documented noncitizens, and undocumented noncitizens. Our findings reveal that all noncitizens have lower levels of procedural knowledge about how to file a complaint with the government, compared to citizens, across educational levels. However, when it comes to claims-making, we find that education has significant positive impacts for noncitizen workers, especially the undocumented. Our results suggest that education may improve the workplace agency of even the most marginalized workers.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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