Policy Change, Threat Perception, and Mobility Catalysts: The Trump Administration as Driver of Asylum Migration to Canada
Notice bibliographique
Résumé
Almost 60,000 people claimed asylum at Canada's border with the United States between 2017 and 2020, marking Canada's first sustained cross-border asylum migration since the 1990s. Virtually, all entered irregularly via a rural road on the New York/Québec border. The "Roxham Road route" was partly owing to the 2004 Canada/US Safe Third Country Agreement (STCA), which allows both states to refuse asylum-seekers on the grounds that the other offers commensurate protection standards yet only applies to official ports of entry. Roughly, 40 percent of the 60,000 who claimed asylum were US residents with precarious immigration status. This article examines the route's emergence and contributes a novel case on decision-making and destination choices for asylum migration. Data are derived from interviews with over 300 asylum-seekers, two dozen experts, and monthly asylum statistics. The central finding is that Trump-administration immigration policies were the major driver for asylum migration yet do not entirely explain the new route, since a relatively small number of US residents departed for Canada. Interviews revealed that while Trump-era policies fostered a climate of fear, individual experiences with immigration enforcement, loss of temporary protected status, or deferred asylum cases were catalysts for migration. Welcoming Canadian rhetoric and liberal asylum policies were only considered in light of risk in the United States, challenging research findings that asylum-seekers are primarily motivated by destination-state policies. The article also offers qualitative methods for connecting asylum data with migrant decision-making and problematizes the STCA's ethics and effectiveness for managing asylum.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».