MétaCan
Menu
Retour à la cohorte
Enregistrement W4250952640 · doi:10.14426/ahmr.v3i2.830

Security Risk and Xenophobia in the Urban Informal Sector

2017· article· en· W4250952640 sur OpenAlexaff
Sujata Ramachandran, Jonathan Crush, Godfrey Tawodzera

Notice bibliographique

RevueAFRICAN HUMAN MOBILITY REVIEW · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Issues in South Africa
Établissements canadiensBalsillie School of International Affairs
Organismes subventionnairesnon disponible
Mots-clésXenophobiaInformal sectorVictimisationSurvey data collectionPolitical scienceRefugeeMigrant workersSecurity forcesCriminologyDevelopment economicsSociologyEconomic growthRacismHuman factors and ergonomicsPoison controlEconomicsLawPolitics

Résumé

récupéré en direct d'OpenAlex

Whenever there are violent attacks on refugee and migrant businesses in South Africa's informal sector, politicians, officials and commissions of enquiry deny that xenophobia is a driving force or indeed exists at all in the county. A new strain of nativist research in South Africa does not deny the existence of xenophobia but argues that it is an insignificant factor in the violence. It is argued that because South African and non-South African enterprises are equally at risk, the reasons for the violence are internal to the sector itself. This paper critiques this position on the basis of the results of a survey of over 2,000 enterprises in the contrasting geographical sites of Cape Town and small town Limpopo. The survey results reported in this paper focus on security risks and the experience of victimisation and the experience of the two groups of enterprise operator are systematically compared.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,877
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
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 Opus0,034
Tête enseignante GPT0,348
Écart entre enseignants0,314 · 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.

Devis d'étudeSans objet
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAFRICAN HUMAN MOBILITY REVIEWMême sujetLegal Issues in South AfricaTravaux en français237 207