Service-policy gaps in the settlement journey of Arabic-speaking immigrant newcomer and refugee older adults in Edmonton, Canada
Notice bibliographique
Résumé
Immigrant newcomers and refugees (INRs) are two migrant categories that experience consistent systemic barriers to settlement and integration in Canada as older adults. This paper explores the challenges experienced by Arabic-speaking INR older adults in Edmonton, Canada, during settlement and discusses policy and service implications. A qualitative description study using community-based participatory research principles was implemented to evaluate and support digital literacy in Arabic-speaking INR older adults. We included men and women aged 55 and older who identified as immigrants or refugees and spoke Arabic. Experiences of settlement challenges were consistently identified during data collection and engagement of INR older adult participants. A thematic sub-analysis of interviews with (10 individuals and one couple) of participants' narratives was completed in 2022 and was used to identify themes related to settlement barriers for this population. Two main themes were identified: (1) Limited English skills and digital literacy gaps create service barriers for INR older adults, and (2) Gaps in services and policies as basic needs remain unmet. We describe key challenges experienced by INR older adults, such as language barriers, precarious finances, poor access to health care services and lack of transportation and employment opportunities, which hinder successful integration into the new society. This study showcases the ongoing challenges with early settlement and integration that continue despite Canada's well-developed immigration settlement landscape. INR older adults often remain invisible in policy, and understanding their experiences is a first step to addressing their needs for resources that support healthy aging in the post-migration context.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,021 | 0,006 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».