Guía de recolección de datos de personas migrantes
Notice bibliographique
Résumé
América Latina está en un proceso de transformación en el que los distintos países que conforman la región no son solamente países generadores de migrantes, sino que de recepción de los mismos, intrarregionales e internacionales. El objetivo de esta investigación es el desarrollo de una guía de recolección de datos de migración con el fin entender mejor las características de la población migrante. Las recomendaciones de este trabajo surgen a partir de tres casos de estudio en ciudades/regiones fronterizas: Monterrey [México]; Cúcuta [Colombia] y la Región Huetar Norte de Costa Rica. Este trabajo contribuye a identificar qué datos se producen sobre personas migrantes, quién los produce y cómo se manejan. A través de la investigación, se puede observar que los datos migratorios que se producen son principalmente de entradas/salidas, y hay una falta de recopilación y/o publicación de datos sobre las poblaciones migrantes en cada país. Debido a esto se realiza una serie de recomendaciones y una guía para la recopilación y manejo de datos de personas migrantes, para señalar los datos que pueden ser útiles para la creación de políticas públicas de integración y asentamiento.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».