MétaCan
Menu
Retour à la cohorte
Enregistrement W4366818194 · doi:10.3726/b20897

The Italians Who Built Toronto

2023· book· en· W4366818194 sur OpenAlexaboutno aff
Stefano Agnoletto

Notice bibliographique

RevuePeter Lang Verlag eBooks · 2023
Typebook
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationEthnic groupProletarianizationWork (physics)Industrial cityOppressionInformal sectorPolitical scienceEconomic growthSociologyEngineeringEconomicsLawPolitics

Résumé

récupéré en direct d'OpenAlex

After World War II, hundreds of thousands of Italians emigrated to Toronto. This book describes their labour, business, social and cultural history as they settled in their new home. It addresses fundamental issues that impacted both them and the city, including ethnic economic niching, unionization, urban proletarianization and migrants’ entrepreneurship. In addressing these issues the book focuses on the role played by a specific economic sector in enabling immigrants to find their place in their new host society. More specifically, this study looks at the residential sector of the construction industry that, between the 1950s and the 1970s, represented a typical economic ethnic niche for newly arrived Italians. In fact, tens of thousands of Italian men found work in this sector as labourers, bricklayers, carpenters, plasterers and cement finishers, while hundreds of others became contractors, subcontractors or small employers in the same industry. This book is about these real people. It gives voice to a community formed both by entrepreneurial subcontractors who created companies out of nothing and a large group of exploited workers who fought successfully for their rights. In this book you will find stories of inventiveness and hope as well as of oppression and despair. The purpose is to offer an original approach to issues arising from the economic and social history of twentieth-century mass migrations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,534
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,031
Tête enseignante GPT0,291
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePeter Lang Verlag eBooksMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207