MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408774558 · doi:10.32920/28646564.v1

Blossoming Through Creativity: Unveiling Sense of Belonging Among Ukrainian and Syrian Refugee Women in Ontario

2025· preprint· en· W4408774558 sur OpenAlexaboutno aff
Areej Al‐Hamad, Kateryna Metersky, Henry Parada, Yasin M. Yasin, Molly Hingorani, Caitlin Gare

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUkrainianRefugeeCreativitySyrian refugeesGender studiesPolitical scienceSociologyPsychologySocial psychologyLinguisticsLawPhilosophy

Résumé

récupéré en direct d'OpenAlex

The concept of “belonging” has gained significant attention in policy debates concerning identity, migration, integration, and social cohesion, as it is closely tied to refugee wellbeing and the ability to feel comfortable and at ease in a specific location. This study investigates how Ukrainian and Syrian refugee women in Canada perceive their process of developing a sense of belonging by considering their everyday living practices. The research employs a qualitative approach with an intersectional lens, relying on in-depth interviews conducted with nine Syrian and six Ukrainian refugee women. The notion of belonging is explored from both an individual and collective perspective. Three themes emerged: (1) surviving and thriving; (2) negotiating belonging and identity in a cross-cultural context; and (3) blooming with possibilities in a new home. The study suggests that the transformational impact of migration and displacement directly influences refugee women’s resilience, the development of a sense of belonging, and their everyday practices. Ultimately, the attainment of a comprehensive sense of belonging is multifaceted. It is contingent upon structural factors like stable income, financial security, and secure living conditions, but women’s agency in developing resources, fostering connection, creating beauty, among other factors, is crucially important to belonging.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil0,982

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0160,011
Communication savante0,0040,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
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 Opus0,030
Tête enseignante GPT0,331
Écart entre enseignants0,300 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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'admission1
Résumé présentoui

Explorer davantage

Même sujetMigration, Health and Trauma→Travaux en français237 207→