Cultural Integration of First-Generation Immigrants: Evidence from European Union Countries
Notice bibliographique
Résumé
In this study, we aim to explore and compare the frequency of attendance and the reasons for non-attendance to cultural activities between natives and first-generation immigrants in thirteen European countries. The empirical analysis relies on data from the special module on cultural participation in the European Union-Income and Living Conditions Survey (EU-SILC) in 2015. We apply the Probit and multinomial Probit models. This study contributes to the literature by exploring the determinants of cultural participation and comparing the frequency of participation in cultural activities between natives and first-generation immigrants. Furthermore, the study explores the reasons for non-participation in cultural activities, highlighting potential differences between countries and between the European Union (EU) and non-EU migrants. The results highlight that social interactions depend on several factors related mainly to the country of destination and employment opportunities and individual factors related to the migrant, including demographic and economic characteristics and the length of residence in the host country. The findings show that the length of residence of immigrants in the host countries is positively correlated with a higher frequency of attendance, indicating that cultural participation can be, by its nature, a long-term process or “experienced” activity. The findings also show that in most cases, migrants do not attend the cultural activities we explore because of financial constraints and not due to lack of interest. Thus, this highlights that the economic integration of migrants could be the primary driver of cultural participation and integration.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».