MétaCan
Menu
Retour à la cohorte
Enregistrement W6887612442 · doi:10.17605/osf.io/2zvmu

Challenges for the integration of Syrian refugees

2018· article· en· W6887612442 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen Science Framework · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefugeeSyrian refugeesLegislationRefugee crisisPoliticsComprehensive Plan of ActionDestinationsDisplaced person

Résumé

récupéré en direct d'OpenAlex

We conducted a study to provide an overview of the situation of Syrian refugees and other non-citizens living in host countries, as well as to summarize a series of policies and legislation towards refugees. We explored the cases of: (1) Turkey, which is one of the main destinations for Syrians fleeing the crisis in their home country; (2) Germany and United Kingdom, high-income countries where the public sentiment about refugees has changed/shifted overtime; (3) Greece and Italy, countries that share a close border with countries from where there are large refugee influxes; and (4) Canada and Australia, which do not share borders with countries from which there is a significant refugee influx and have had some success with integrating migrants and refugees. Our review of refugee policies suggests that successful resettlement of Syrian refugees was mainly due to political commitment coupled with an incredible public support and community engagement, including private sponsorship of refugees. Successful social and economic policies to deal with the refugee crisis demand a combined effort in terms of planning, implementing, monitoring, and assessing initiatives. Most importantly, record keeping and sharing data with stakeholders need to be improved, which is a joint complaint by non-profit organizations and academic institutions.

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)0,008
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0210,012
Communication savante0,0120,006
Science ouverte0,0020,018
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,121
Tête enseignante GPT0,466
Écart entre enseignants0,345 · 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'étudeObservationnel
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Science FrameworkMême sujetMigration, Health and TraumaTravaux en français237 207