MétaCan
Menu
Retour à la cohorte
Enregistrement W4414827955 · doi:10.29173/psur402

What Explains Differences in Immigration Policy in Today’s Europe? Germany, Sweden and Hungary

2025· article· en· W4414827955 sur OpenAlexvenueno aff
Valeriya Mynak

Notice bibliographique

RevuePolitical Science Undergraduate Review · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Commission
Mots-clésImmigrationImmigration policyGeopoliticsFamily reunificationSolidarityTreatyRefugeeNational securityCohesion (chemistry)

Résumé

récupéré en direct d'OpenAlex

This paper examines how national identity, geopolitical factors, and the 2015/16 refugee crisis have shaped immigration policies in Germany, Sweden, and Hungary, highlighting the broader European divide on immigration. Germany, known for its humanitarian values, initially adopted an open-door policy under Chancellor Merkel but later shifted toward more restrictive measures due to rising populism, security concerns, and resource limitations, particularly through the 2020 Immigration Act. Sweden, once a model of liberal immigration policies, faced challenges in social cohesion and integration, leading to a tightening of asylum rules and family reunification restrictions. In contrast, Hungary, under Prime Minister Viktor Orbán, has maintained a hardline anti-immigration stance, using the crisis to reinforce Hungary’s national identity and reject EU solidarity efforts. The paper also explores the EU’s principle of solidarity, as outlined in Article 80 of the Treaty on the Functioning of the European Union, which calls for fair burden-sharing. However, the Visegrád Group’s resistance highlights how national interests often outweigh EU-wide agreements, revealing the limits of EU cohesion and the complexities of balancing national security, identity, and humanitarian obligations. The paper concludes by advocating for more flexible immigration policies that can address both domestic and broader geopolitical challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,636
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,363
Écart entre enseignants0,333 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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 revuePolitical Science Undergraduate ReviewMême sujetMigration and Labor DynamicsTravaux en français237 207