MétaCan
Menu
Retour à la cohorte
Enregistrement W4414498661 · doi:10.1080/14747731.2025.2553925

Long-standing labour migration, new plantation enclosures, and social reproduction in Indonesian Borneo’s borderlands

2025· article· en· W4414498661 sur OpenAlexaff
Kimberly M. Carlson, Atem Atem, Jacqueline M. Dean, Yustina Octifanny, Ainun P. Seruni, Syarifudin Syarifudin

Notice bibliographique

RevueGlobalizations · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensEncana (Canada)
Organismes subventionnairesNational Science Foundation of Sri LankaUniversity of Hawai'i at MānoaU.S. Department of AgricultureNational Institute of Food and AgricultureNational Science Foundation
Mots-clésIndonesianReproductionSocial reproductionSocial impactGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

Where people in the rural tropics have long participated in labour migration, plantation expansion may generate new employment and market opportunities that disrupt mobility. Drawing on a household survey and in-depth interviews, we explore such dynamics in two Indonesian villages along the Malaysian border in Borneo. Here, Indigenous Dayak and Malay households had enduring traditions of work in Sarawak, Malaysia. After circa-2000 oil palm plantation development, rather than taking up sustained plantation work, many of these households continued labour migration and/or planted oil palm on their lands. In-migrants sponsored by Indonesia’s transmigration programme who settled along the border in the late 1990s tried work in Malaysia but turned to plantation labour when it became available. We interpreted these differences through the lens of social reproduction. The ability to sustain secure and remunerative labour migration, which depended on social relationships reproduced across the border and sending site care availability, shaped cross-group disparities.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,002
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,305
Écart entre enseignants0,294 · 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 revueGlobalizationsMême sujetMigration and Labor DynamicsTravaux en français237 207