MétaCan
Menu
← Retour à la cohorte
Enregistrement W4256214840 · doi:10.32920/ryerson.14663247.v1

The enhanced mentoring program for skilled Korean immigrants: an effective tool for successful integration into the Canadian labour market? (A Grant Proposal)

2021· preprint· en· W4256214840 sur OpenAlexaffabout
Yang-Gyu Lee

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésImmigrationSettlement (finance)Human capitalMulticulturalismEthnic groupBusinessService (business)The InternetPolitical scienceLabour economicsDemographic economicsEconomic growthEconomicsMarketingFinance

Résumé

récupéré en direct d'OpenAlex

Koreans have immigrated to Canada in the last twenty years seeking a better quality of life. The vast majority of recent Korean immigrants have been accepted under the economic class category, which indicates that they have either human capital or financial capital. However, most Korean immigrants experience downward mobility and reside in an ethnic bubble. Furthermore, mainly low confidence in English communication and cultural differences have impeded the participation in multicultural settlement services. Even some of the existing employment programs offered by settlement service providers are not approachable due to the limitation of eligibility. This practical MRP attempts to find a pragmatic solution to address the skill under-utilization issues experienced by skilled Korean immigrants. A specialized mentoring program is examined as a support for skilled Korean immigrants. The program aims to give them access to the Canadian labour market by integrating multiple facets of settlement and employment services. Key words: Skilled Korean Immigrants; Mentoring Services for Skilled Immigrants; Internet Based Employment Services; Labour Market Integration; Grant Proposal

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,865
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0440,004

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 Opus0,011
Tête enseignante GPT0,307
Écart entre enseignants0,296 · 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'étudeSans objet
Domainenon disponible
GenreProtocole

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'admission2
Résumé présentoui

Explorer davantage

Même sujetMigration, Ethnicity, and Economy→Travaux en français237 207→