Experiences of Immigrants During Disasters in the US: A Systematic Literature Review
Notice bibliographique
Résumé
As a vulnerable population, immigrants can be disproportionately affected by disasters. Because of their legal and migratory status, immigrants may have different challenges, needs, and possibilities when facing a disaster. Yet, within disaster studies, immigrants are rarely studied alone. Instead, they are often considered part of the large heterogeneous group of racial and ethnic minorities in the United States. This racial classification points to a gap in the literature and in our understanding of how disadvantaged groups may cope with disasters. To address this gap, the current study hypothesizes that: (1) Immigrants have unique experiences and disaster impacts compared to the broader aggregated category of racial and ethnic minorities in the U.S. and (2) There are variations in disaster experiences and impacts across different types of immigrant subgroups beyond refugees. To explore these hypotheses, a study of the literature across six databases from 2018 to 2023was conducted. The review identified a total of 17 articles discussing immigrant experiences during disasters. Major cross-cutting themes on immigrant disaster experiences include fear of deportation, restrictive immigration status, excessive economic burden and labor exploitation, employment rigidity, adverse health outcomes, limited informational resources and limited social capital, selective disaster relief measures, and infrastructural challenges as regards to housing and transportation. Many of the themes identified are unique to immigrants, such as the fear of deportation, restrictive immigration status and visa policies, and selective disaster relief measures.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».