A Qualitative Case Study of Experience of Xenophobia Among Francophone African Informal Immigrant Entrepreneurs in Pretoria
Notice bibliographique
Résumé
Francophone African immigrants in South Africa find it difficult to find formal employment because of exclusive laws and the challenge of language barriers. Accordingly, they frequently resort to informal businesses which expose them to acts of xenophobia. Xenophobia and Francophone African informal immigrant entrepreneurs have negative and positive consequences in South Africa. This article presents a descriptive account of individual experiences of xenophobia among thirty (30) Francophone African informal immigrant entrepreneurs in Pretoria during the conduct of their business. It therefore, seek to answer the following questions; (a) How are Francophone African informal immigrant entrepreneurs discriminated against while conducting their business in Pretoria? (b) What type of harassment do they face while conducting their business in Pretoria? (c) Why are they attacked while conducting their business in Pretoria? This descriptive qualitative case study adopts content analysis to describe the experience of xenophobia among Francophone African informal immigrant entrepreneurs in Pretoria. The findings reveal “skipping” Francophone African informal immigrant entrepreneurs to buy from South African informal traders is an experience of discrimination. It establishes virtual, verbal, and physical harassments Francophone African informal immigrant entrepreneurs experience while conducting their business in Pretoria. It demonstrates that the failure to lend money to South Africans or calling police on locals attract violent attacks against Francophone African informal immigrant entrepreneurs while conducting their business in Pretoria.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».