The Social Media of Migrant Workers: A Bibliometric Analysis
Notice bibliographique
Résumé
Introduction: Social media significantly influences the socio-economic and cultural experiences of migrant workers worldwide. It serves as a tool for communication, labor advocacy, identity negotiation, and social support among migrant communities.Objective: This study aims to explore the scholarly research landscape on the relationship between social media and migration from 2015 to 2025. It seeks to identify publication trends, thematic focuses, collaboration networks, and key contributors in this field to understand how research has evolved and where it is headed.Method: A bibliometric and thematic analysis was conducted using data from the Scopus database, focusing on publications from 2015 to 2025. The analysis employed the Bibliometrix R package and VOSviewer to map out publication trends, author networks, institutional collaboration, and research themes.Results: The analysis reveals a steady growth in publications related to social media and migrant workers. China and India emerged as the leading contributors to this field. Notable institutions include the Stockholm International Water Institute and the University of Toronto. The top 10 authors each contributed two publications on relevant themes. Thematic analysis highlighted recurring focuses on migrant communication, advocacy, identity, and support. Research collaboration networks show increasing international cooperation, although gaps in interdisciplinary approaches remain.Conclusions: The study highlights both the opportunities and challenges that social media presents for migrant workers and calls for more interdisciplinary research and inclusive digital policies to support migrant populations effectively. Given current trends, the topic is expected to remain highly relevant in the coming years.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,016 | 0,197 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».