MétaCan
Menu
Retour à la cohorte
Enregistrement W4406169003 · doi:10.3138/uhr-2024-0019

Un chapeau de lynx au mois d’août : Impressions, défis, et intégration de 32 Italiennes récemment arrivées à Montréal

2025· article· fr· W4406169003 sur OpenAlexvenueaboutno aff
Chiara Vigliano

Notice bibliographique

RevueUrban History Review · 2025
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésINTArtComputer science

Résumé

récupéré en direct d'OpenAlex

Cet article s’appuie sur l’analyse qualitative de l’expérience migratoire de 32 Italiennes âgées de 25 à 65 ans, qui ont toutes une formation universitaire et sont arrivées à Montréal entre 1990 et 2016. Il s’inscrit dans la littérature scientifique nord-américaine et européenne concernant l’histoire de la migration, l’histoire des femmes, et les nouvelles perspectives qu’apporte la rencontre de ces dernières avec la réalité urbaine. Il s’agit plus particulièrement de porter un regard critique sur cette mobilité féminine contemporaine, éduquée et qualifiée, que les entrevues semi-dirigées permettent d’explorer en profondeur. Elles précisent le profil socioculturel de ces femmes, leur provenance géographique, leurs parcours scolaires et professionnels en Italie et en contexte de migration, de même que les raisons qui les ont amenées à quitter l’Italie et à choisir Montréal comme destination. Il s’agit aussi d’examiner les défis auxquels ces Italiennes ont été confrontées à partir de leur rencontre avec le territoire urbain, leurs premières impressions, leurs choix résidentiels durant le processus d’intégration avec la société d’accueil. L’examen des entretiens permet aussi de vérifier de quelle manière et pour quelles raisons la ville de Montréal a su répondre aux exigences de ces femmes en facilitant ou, au contraire, en entravant leur chemin migratoire. Enfin, au-delà de la diversité des parcours et des expériences, l’analyse des entrevues met en évidence la dimension genrée de ce phénomène où les études et la carrière représentent l’axe central dans le cadre d’un rapport prolifique de réciprocité entre pays de départ et pays d’arrivée.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,609
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,311
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUrban History ReviewMême sujetFrench Language Learning MethodsTravaux en français237 207