The ‘Datafication’ of Borders in Global Context: The Role of the International Organization for Migration
Notice bibliographique
Résumé
This article examines the transnational politics of datafication in migration management through a case study of the International Organization for Migration (IOM). Datafication, such as the automation of border processes, the use of biometrics and the deployment of large-scale statistical techniques, is increasingly central to the management of migration. Much of the current focus on these processes for migration management is focused on state-level policies or on supranational institutions such as the EU. There is relatively little work on the role of international organisations in this area, despite their well-researched role in setting formal standards and informal expectations around migration and mobility. The article’s first main argument is that focusing on the global level of governance yields new insights on the promotion and diffusion of data-intensive practices of migration management. The second argument is that the emerging global context of datafication around border management fits into a broader managerial agenda in which international organisations seize agenda-setting power and act as transmission mechanisms for datafication projects and ideas. The third portion of the argument is that the IOM’s projects in this area reinforce its role as a service provider and consolidate its emerging role as an orchestrator of data-driven approaches to migration governance. The article thus contributes to ongoing work on the IOM’s shifting identity as well as interdisciplinary scholarship on the role of data in migration management.
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 | 0,013 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,009 | 0,034 |
| Communication savante | 0,016 | 0,014 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».