Firm and Individual Level Processes Shaping Migrant and Refugee Integration
Notice bibliographique
Résumé
This symposium explores the multifaceted experiences of migrants and refugees as they navigate the challenges and opportunities of employment, as well as the critical role organizations play in shaping employment and well-being outcomes. We offer a curated selection of papers, each exploring an important process, either at the organizational or the individual level, and collectively enhancing our understanding of the pathways to successful integration and to fostering more inclusive societies. A collaboration of scholars from universities in Australia, Austria, Canada, and the USA, it includes both theoretical and (quantitative and qualitative) empirical papers, each contributing to the conversation about the integration process of migrants and refugees. Why do some firms become more diverse, while others linger Author: Betina Agata Szkudlarek; The University of Sydney Author: Christine Han; Skilled migrants’ symbolic resources and diversity work in small and medium enterprises Author: Viktoriya Voloshyna; Thompson Rivers University Author: Jelena Zikic; York University From resources to resourcing: Qualified immigrants’ career transitions post-migration Author: Dunja Palic; Carleton University Author: Luciara Nardon; Carleton University Author: Amrita Hari; Carleton University When being proactive can cost you Author: Viktoriya Zipper-Weber; Danube University Krems Author: Mihaela Dimitrova; WU Vienna University of Economics and Business Author: Mila Borislavova Lazarova; Simon Fraser University Disentangling immigrant employees’ acculturation strategies, authenticity, and work-family interface Author: Maggie Wan; Texas State University Author: Margaret A. Shaffer; University of Oklahoma
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 | 0,000 |
| 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 | 0,001 |
| 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 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 ».