Tools for collecting information on irregular migration estimates and indicators
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper discusses the tools used to collect quantitative data related to irregular migration stocks and flows of the Measuring Irregular Migration and Related Policies (MIrreM) project. The ultimate goal of this exercise was to construct two databases that provide an inventory and a critical appraisal of estimates and indicators related to irregular migration in the countries covered by MIrreM (12 EU member states, the UK, Canada, the USA and five transit countries). The databases contain estimates on the size and characteristics of the irregular migrant population in a given country and the changes in that population, with one database focussing on irregular migrant stocks and the other on flows. The flows database also contains an inventory of other indicators of irregular migration (e.g. border apprehensions). MirreM is a follow-up project to the Clandestino project which covered the period 2000-2007. MIrreM covers the period 2008 to 2023. MIrreM guidelines were adjusted from those developed by the Clandestino project to maintain some consistency across projects, but also to account for changes across the different periods and overall purposes of the projects. In addition, the approach to assessing the quality of estimates and indicators was refined, notably by explicitly distinguishing between statistical indicators, on the one hand, and estimates, on the other, developing different assessment criteria, and collecting information on the use of these data in policymaking. Beyond the immediate purpose of guiding data collection and analysis within the MIrreM project, these tools may also be useful for other researchers working on comparable topics characterised by a lack of robust research-driven data, hard-to-reach target groups and limited and imperfect administrative data.
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.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 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 découle