MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391658828 · doi:10.32920/25193471

Visa Gods and Algorithmic Thinking: The Evolution of Canadian Visa Officers’ Work in an Age of Mass Processing

2024· preprint· en· W4391658828 sur OpenAlexafffundabout
Nicholas Lee-Scott

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesStrongRyerson University
Mots-clésBureaucracyOperationalizationImmigrationDiscretionWork (physics)Service (business)Public relationsState (computer science)Political scienceControl (management)Public administrationSociologyBusinessMarketingManagementEngineeringLawEconomicsComputer sciencePolitics

Résumé

récupéré en direct d'OpenAlex

This study addresses the historical evolution of Canadian visa officers’ experiences processing and making decisions on economic immigrant applications from the 1970s to the present. Semi-structured in-depth interviews were conducted with five retired Canadian visa officers who worked between the 1970s and 1980s until the 2010s. The interviews covered the span of the participants’ careers, and questions focused on their use of discretion, the structural changes participants experienced, and the effects of technological innovations on their jobs. The interviews are analyzed alongside academic literature addressing subjects of discretion, street-level bureaucracy, advanced technology, and migration management. I argue that within the past half-century, the Canadian state has increasingly prioritized mass processing economic immigrant applications over providing individual client service. Mass processing is operationalized by structuring the work of visa officers through performance management and legal review, diffusing case processing around the world, and impersonalizing public service through minimizing bureaucrat-client contact.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,650

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0300,026
Communication savante0,0090,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,020
Tête enseignante GPT0,295
Écart entre enseignants0,274 · 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'étudeQualitatif
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

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetMigration and Labor Dynamics→Travaux en français237 207→