The Impact of International Migration on Skills Supply and Demand in South Africa
Notice bibliographique
Résumé
This study investigated the demographic, education and labour market characteristics of three groups: (1) immigrants into South Africa; (2) natives who remained in the country; (3) emigrants into the top five destination countries (Australia, Canada, New Zealand, the UK and USA). The empirical findings were used to examine the extent of migration to and from the country, from the perspectives of skills supply and demand. Emigrants were most educated, enjoyed the lowest unemployment probability (about 10%), and were most likely to be involved in high-paying skilled occupations and tertiary sector activities as full-time employees (if employed). The immigrants fared worse than the emigrants but better than natives. These immigrants, mainly originating from the other African countries, were slightly more educated, but enjoyed higher LFPR (75%) and lower unemployment likelihood (20%), compared with the natives (55% and 30% respectively). Furthermore, for both above-mentioned two groups, they were distinguished into long-term, medium-term and short-term migrants, and it was found that long-term migrants fared relatively better in the labour markets of their respective host countries. Overall, the findings strongly indicated brain drain out of South Africa, and exodus of highly educated and skilled people is not complemented by a rapid increase of supply of equally educated and skilled labour force entrants in the country. The study recommended four policy suggestions: ease up regulations to attract skilled immigrants, promote entrepreneurial activities of immigrants, better develop and retain skills of the natives, improve migration and vacancy data capture, availability, usage and analysis.
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 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 | 0,003 | 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 | 0,001 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».