The Uncertainty of Forced Displacement: How Language and Violence Shaped Displacement Trajectories During Russia's Invasion of Ukraine
Notice bibliographique
Résumé
Launched by President Putin to ostensibly “protect” the people living in the predominantly Russian-speaking Eastern regions, Russia's invasion of Ukraine in February 2022 produced the largest population displacement in Europe since World War II. Using unique data from a rapidly deployed online survey conducted throughout Ukraine and Europe from April to July 2022 (N = 7,974), this study examines how language and exposure to violence may have influenced trajectories of forced migration shortly after Russia's invasion. By exploiting the timing of the survey, it examines how contextual and conflict-specific factors shaped the (un)certainty of migration movements and beliefs about return. Results show that exposure to conflict in the form of witnessing or being injured by a blast explosion was associated with shorter-distance moves within Ukraine. Findings suggest disparate trajectories of displacement by language identities. Although the survey was only available in Ukrainian, and did not include those who fled (or were deported) to Russia, Ukrainian respondents who reported speaking Russian as both their “native” and “home” language (25% of the sample) had the highest probability of relocating to nonbordering countries such as Germany and the United Kingdom. Independent of their origin and destination, Russian-speakers were also more likely to be in transit or uncertain about their destination, and less hopeful about a potential return. Thus, Russia's invasion created profound uncertainty for Russian-speaking Ukrainians and appears to have pushed them even farther away.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 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 ».