Putting on the moves: Individual, household, and community-level determinants of residential mobility in Canada
Notice bibliographique
Résumé
<b>Background</b>: Internal residential mobility is an important contributor to economic vitality, helping to address gaps in the labour market, assisting regions to develop comparative advantages, and encouraging the circulation of skills, capital, and networks within a country. Mobility is, however, a complex sociological phenomenon influenced by individual, household, and community-level variables. <b>Objective</b>: This article examines the combined impact of individual, household, and community characteristics on both short- and long-distance residential mobility in Canada. The study is motivated by a broader concern with economic development and community vitality, particularly in smaller towns and cities that have recently struggled to attract newcomers. <b>Methods</b>: A series of multilevel random intercept regression models are run on Canadian census data from 2006. Canada-wide findings are compared to those for five sizes of community - from small towns with fewer than 10,000 people to major metropolitan cities. <b>Results</b>: Despite the continued growth of major metropolitan areas, city size is not an attractor in and of itself. Rather, one of the most powerful draws for both small towns and large cities is the diversity of the existing population, as measured by the proportion of residents who are immigrants and/or visible minorities. <b>Conclusions</b>: These findings challenge some long-held stereotypes about rural living, and suggest that rural development strategies ought to include measures for enhancing diversity as a means of attracting all types of internal migrants to small towns and cities.
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 | 0,004 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».