MétaCan
Menu
Retour à la cohorte
Enregistrement W4297514182 · doi:10.3138/cpp.2022-008

Employment Probability of Visible Minority Immigrants in Canada by Generational Status, Circa 2016

2022· article· en· W4297514182 sur OpenAlexaffvenueabout
Ather H. Akbari, Shantanu Debbarman

Notice bibliographique

RevueCanadian Public Policy · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensUniversity of ManitobaSaint Mary's University
Organismes subventionnairesDartmouth College
Mots-clésImmigrationOddsCensusDemographic economicsLogistic regressionPolitical scienceSociologyDemographyEconomicsPopulationMedicine

Résumé

récupéré en direct d'OpenAlex

Using 2016 Census data, we compare the odds of employment (full time or self-employment) for visible minority immigrants in Canada with those of non–visible minority immigrants. Intergenerational comparisons of employment outcomes are made because one would expect second- and third-generation immigrants to be less prone to labour market barriers than first-generation immigrants. Estimates based on a logistic regression of employment probability reveal lower employment odds for four out of 10 identified visible minority immigrant groups in comparison with non–visible minority immigrants for all three generations. For first- and second-generation immigrants, the results were mixed, but third-generation immigrants faced significantly lower employment probabilities in all groups of visible minorities with the exception of Chinese and Japanese. A lack of proficiency in official languages (English or French) lowers the employment probability for all groups. It is estimated that post-secondary education (PSE) acquired outside of Canada has a weaker positive association with employment than PSE acquired within Canada. Pre- and post-immigration labour market experience have a weak association with employment.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,016
Tête enseignante GPT0,255
Écart entre enseignants0,239 · 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'étudeObservationnel
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

Citations3
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetMigration and Labor DynamicsTravaux en français237 207