Linguistic Barriers to Immigrants’ Labor Market Integration in Italy
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
This article investigates whether and to what extent poor proficiency in Italian impairs immigrants’ labor market integration in Italy. Using individual-level survey data, we apply instrumental variables methods to leverage presumably exogenous variations in Italian proficiency induced by immigrants’ demo-linguistic characteristics (e.g., age at arrival, linguistic distance between mother tongue and destination language, speaking Italian during childhood) and their interplays. We find that, given the low-skill nature of Italy's immigrant labor market, poor proficiency in communication skills (speaking and understanding Italian) produces larger penalties for immigrants’ labor force participation and employment than does the lack of formal skills (reading and writing). In contrast, no effect is found on immigrants’ job characteristics like the type of contract and full-time or part-time work. Whereas female immigrants were more penalized than males by poor linguistic proficiency in labor force participation, immigrants in linguistic groups that were more likely to work with (for) co-nationals were less affected by linguistic barriers than other immigrant groups. Yet, when investigating perceived integration outcomes, immigrants working with (for) co-nationals fared worse on feeling at home, feeling accepted, and overall life satisfaction in Italy. As our analysis shows, linguistic enclaves in workplaces, while not always representing a hurdle to immigrants’ labor market success, can generate trade-offs for other non-labor market integration outcomes. These findings highlight that the development of linguistic skills should be prioritized in migration policy agendas, taking into account heterogeneity in immigrants’ demographic and linguistic profiles.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,012 | 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