MétaCan
Menu
Retour à la cohorte
Enregistrement W4384282060 · doi:10.1016/j.euroecorev.2023.104524

Migration and resilience during a global crisis

2023· article· en· W4384282060 sur OpenAlexaff
Nathan Barker, C. Austin Davis, Paula López-Peña, Harrison Mitchell, Ahmed Mushfiq Mobarak, Karim Naguib, Maira Emy Reimão, Ashish Shenoy, Corey Vernot

Notice bibliographique

RevueEuropean Economic Review · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensQueen's University
Organismes subventionnairesInternational Zinc AssociationDepartment for International Development, UK GovernmentYale UniversityUnited Nations University World Institute for Development Economics ResearchInter-American Development BankBill and Melinda Gates FoundationInternational Growth CentreForeign, Commonwealth and Development OfficeDepartment for International DevelopmentWorld Bank Group
Mots-clésRemittanceVulnerability (computing)EarningsPandemicEconomicsDemographic economicsSubsistence agriculturePsychological resilienceDevelopment economicsHuman migrationCoronavirus disease 2019 (COVID-19)SocioeconomicsGeographyPopulationEconomic growthAgricultureDemographySociology

Résumé

récupéré en direct d'OpenAlex

This study explores the relationship between migration and household resilience during a global crisis that eliminated the option to migrate. We link prior data from four populations in Bangladesh and Nepal to new phone surveys conducted during the early months of the COVID-19 pandemic. While earnings fell universally, pandemic-induced declines were 14%–25% greater among previously migration-dependent households and urban migrant workers, with household remittance losses far exceeding official statistics. Heightened economic exposure during the pandemic erased prior gains achieved by transnational migrants and caused fourfold greater prevalence of food insecurity among domestic subsistence migrants. Economic distress spilled over onto non-migrants in high-migration villages and labor markets. We show that migration contributed to economic contagion independent of its role in disease transmission. Losing the option to migrate differentially increased the vulnerability of migration-dependent households during a crisis.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,307
Écart entre enseignants0,285 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Economic ReviewMême sujetMigration and Labor DynamicsTravaux en français237 207