Numbers and Images: Representations of Immigration and Public Attitudes about Immigration in Canada
Notice bibliographique
Résumé
Abstract Perceptions of numbers (numerical estimations of migrant flows) and mental images (beliefs about characteristics and motives of immigrants) have been shown to be important predictors of cross-national immigration attitudes. However, this finding has seldom been verified in Canada. As a result, we know little about how Canadians estimate the amount and type of migrants coming into the country, what drives the generation of these numbers and images, and what the consequences of numerical estimations and mental images of immigration are for public attitudes toward immigration. Using nationally representative cross-sectional survey data from 2019, this article reports that Canadians generally overestimate the number of refugees and asylum-seekers coming into the country but are comparatively less prone to overestimating the overall number of immigrants. Canadians also rely on mental images about the reasons for immigrating to Canada that diverge from the realities of Canada's immigration program. We document how reliance on these numbers and images is driven by the type of media consumed, feelings of threat, and individual-level characteristics of Canadians. In doing so, this article demonstrates that mental images strongly influence Canadians’ attitudes toward immigration; numerical estimates also matter, but less so. Furthermore, perceptions of the number of migrants arriving affect latent preferences toward immigration—such as ethnocentrism, perceptions of “threat,” and border insecurity—while mental images shape both preferences for lowering immigration intake and latent preferences.
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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».