MétaCan
Menu
Retour à la cohorte
Enregistrement W4291728210 · doi:10.3138/cpp.2022-010

Navigating Uncertainties: Evaluating the Shift in Canadian Immigration Policies during the COVID-19 Pandemic

2022· article· en· W4291728210 sur OpenAlexaffvenueabout
Ashika Niraula, Anna Triandafyllidou, Marshia Akbar

Notice bibliographique

RevueCanadian Public Policy · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicImmigration2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Political scienceImmigration policyDevelopment economicsVirologyEconomicsMedicineLawOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Canada has a proactive immigration policy that invites individuals, mostly highly skilled ones, from around the world to make it their new home. The pandemic border closures severely affected the flow of immigrants from other countries, so the Canadian government turned to the temporary migrants who were already in the country and facilitated their transition to permanent status. Reviewing the relevant policy documents and analysing 22 semi-structured qualitative interviews with stakeholders in Ontario, we critically examine the impact of two transition measures: the amendments to Express Entry and the Temporary Residence to Permanent Residence Pathway Program. We also discuss the changes in the work permit program for international graduates. Moreover, we analyse Canadian migration management during the pandemic at three levels: the macro level (i.e., transition measures and attainment of national goals), the meso level (i.e., stakeholders' evaluations of the transition measures), and the micro level (i.e., stakeholders' perceptions of migrants' experiences with the transition measures).

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)0,024
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,719
Score d'incertitude au seuil0,834

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,044
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,007
Études des sciences et des technologies0,0330,013
Communication savante0,0140,004
Science ouverte0,0030,008
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,058
Tête enseignante GPT0,383
Écart entre enseignants0,325 · 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'étudeQualitatif
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

Citations13
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetMigration, Refugees, and IntegrationTravaux en français237 207