The Benefits of the Everyone In Initiative and the Deeper-Rooted Problems It Revealed for Migrants Experiencing Homelessness
Notice bibliographique
Résumé
This article addresses the broad research aim of understanding migrants’ experiences of homelessness during the Coronavirus Disease of (COVID-19) pandemic through a novel combination of linguistic and sociological analysis. In our analysis of life story interviews, we find that the United Kingdom (UK) Government’s Everyone In initiative, which suspended eligibility criteria to provide support and accommodation to those experiencing homelessness or deemed to be at risk of rough sleeping, was hugely beneficial for migrants. This indicates what is possible when there is the political will to end rough sleeping. In its analysis of life stories gathered during the pandemic, the article proceeds to identify deeper-rooted problems relating to the weak and restricted structural position of migrants experiencing homelessness. Having spent time in the UK with an ‘inferior status’, with limited access to work and welfare, economic and social capital, and often with experiences of trauma in the UK and/or in their countries of origin, many of our research participants express a lack of control and a sense of being controlled in their conditions of existence. Further, their isolation and loneliness in the individual rooms provided in the emergency accommodation is indicative of a deeper-rooted sense of separation deriving from years spent sleeping rough or living in temporary and insecure accommodation. Experiences of isolation and the sense of a lack of control are corrosive to mental health, and during the pandemic, mental health problems were also exacerbated by welfare checks and other rule-based practices that are potentially re-traumatising.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».