MétaCan
Menu
Retour à la cohorte
Enregistrement W6963039151 · doi:10.18712/nsd-nsd1955-v1

Policy Preferences on Immigration and Evaluations of Individual Immigrants. A Cross-National Experiment

2023· dataset· en· W6963039151 sur OpenAlexaboutno aff

Notice bibliographique

RevueNSD – Norsk senter for forskningsdata · 2023
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNorwegianImmigrationConsistency (knowledge bases)Affect (linguistics)Survey data collectionSurvey researchPublic opinionPrincipal (computer security)

Résumé

récupéré en direct d'OpenAlex

The survey experiment is part of a cross national project on Evaluations of Immigrants and Policy Preferences. The Norwegian Survey is funded by the Research Council of Norway and directed by Toril Aalberg. Shanto Iyengar at Stanford University is Principal Investigator and director of a similar US survey, while Ray Duch conducted the survey experiment in the United Kingdom. Stuart Soroka directed a Canadian version while Kees Aarts have been responsible for a Dutch version of this study. The main purpose of the Norwegian survey experiment was to investigate Norwegians’ attitudes towards individual immigrants and to assess the consistency between policy preferences on the one hand, and willingness to admit individual immigrants on the other. It was equally important to examine whether the same factors that influence policy opinions also affect how people evaluate individual immigrants. Therefore the survey included batteries of questions that had been used in traditional cross-national surveys on immigration. Additionally it was also included questions about specific groups of immigrants and how the respondents evaluated two specific individual immigrants. Following the more traditional survey questions respondents were presented with two vignettes each describing a potential male immigrant. In these vignettes the information that was given about the immigrants’ socio-economic, cultural and ethnical background was manipulated.

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)0,015
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0190,003

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 Opus0,096
Tête enseignante GPT0,425
Écart entre enseignants0,329 · 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'étudeEssai non randomisé
Domainenon disponible
GenreJeu de données

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNSD – Norsk senter for forskningsdataTravaux en français237 207