How Do Immigration Policies Affect Voter Support for Low-Skilled Immigrants? Evidence from a Survey Experiment
Notice bibliographique
Résumé
Countries depend on both high- and low-skilled immigration to meet economic needs. But most voters prefer high-skilled immigrants, despite the fact that multiple economic sectors structurally depend on low-skilled immigrants. In this paper, we examine voter preferences toward low-skilled immigrants as one barrier to effective immigration policy, even in political regimes where immigration is the consequence of highly coordinated or “planned” policies. Specifically, we consider whether government communication around the benefits of low-skilled immigration can increase favorability of such policies. We are particularly interested in the ways in which government communicates immigration messages and whether the scope or concentration of the proposed benefits will move individual preferences. In an online survey experiment, we present Canadians ( N =2,023) with a policy brief that manipulates immigrant skill level (high vs. low), economic outcomes of migration (positive vs. mixed), and the geographic scope of benefits (concentrated vs. sociotropic). Employing two measures of policy support, we find some evidence that positive framing can increase overall support for low-skill migrants. We also find that manipulating framing around high-skilled workers has little effect on support for low-skill workers, even when that framing presents countervailing evidence as to the benefit of high-skilled labor. In sum, our findings suggest that elite level communication around the benefits of low-skill labor may have the ability to disrupt longstanding antipathy for low-skilled labor, even in regimes with longstanding support for high-skilled labor.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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 | 0,000 |
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 ».