Precarity, Opportunity, and Adaptation: Recently Arrived Immigrant and Refugee Experiences Navigating the Canadian Labour Market
Notice bibliographique
Résumé
Canada relies on immigrants as key drivers of the country’s population and economic growth. Composing a quarter of the Canadian labour market, immigrants accounted for over 80 per cent of population growth between 2017 and 2018 (Yssaad & Fields, 2018; IRCC, 2020). Recognising this benefit, the federal government has projected increasing admission levels by 1% of the population and reach 451,000 new permanent immigrants per year by 2024 (IRCC, 2022a). Yet beyond the numbers, and despite clear advantages of a smooth transition into the Canadian labour force, many migrants and refugees experience a multitude of barriers that impede their earnings and pathways to sustainable livelihoods. Research has examined various dimensions such as skill devaluing (Bauder, 2003; Creese & Wiebe, 2012), the effects of neoliberal restructuring (Bhuyan et al., 2017; Hiebert, 2006), bias and discrimination in hiring practices (Esses et al., 2007; Fuller & Martin, 2012), the role of points-based selection policies (Sweetman & Warman, 2013; Warman et al., 2015), and the impact of familial structures (Dyson et al., 2019; Shields & Lujan, 2019). Furthermore, the Covid-19 pandemic has introduced new dimensions that interplay with existing labour market barriers and enablers facing newly-arrived immigrants and refugees. In particular, job loss as a result of the pandemic was more significant for recently-arrived immigrants, who saw a reduced employment rate during the initial months of the pandemic compared to Canadianborn workers (Cornelissen & Turcotte, 2020).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,028 | 0,009 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».