Job accessibility and labour market outcomes among immigrants in Montreal and Toronto
Notice bibliographique
Résumé
Le bien-être économique des immigrants est un élément clé du processus d'intégration et une importante préoccupation politique au Canada. Bien que les recherches récentes portent sur un ensemble de facteurs sociaux qui affectent les résultats des immigrants sur le marché du travail, relativement peu d'études examinent comment ces facteurs interagissent avec les obstacles géographiques à l'emploi. Cette étude utilise le Recensement du Canada de 2016 pour explorer comment l'accessibilité spatiale aux emplois influe la probabilité d'emploi des immigrants et des non-immigrants à Montréal et à Toronto. L'accessibilité à l'emploi (le nombre cumulatif d'emplois accessibles dans les 45 minutes suivant un déplacement en transport en commun à partir de lieux résidentiels) est évaluée en fonction des facteurs démographiques, du capital humain et d'autres déterminants contextuels de l'emploi. Cette étude révèle que l'accessibilité cumulative à l'emploi est associée négativement à l'emploi à Montréal et positivement à l'emploi à Toronto, bien que l'augmentation des niveaux d'accessibilité diminue les chances d'emploi en général. Les caractéristiques démographiques expliquent en grande partie la variance de la probabilité d'emploi pour la population active dans les deux RMR. Bien que les immigrants récents et les minorités visibles représentent une part considérable de l'écart d'emploi entre les immigrants et les non-immigrants, la poursuite d'études postsecondaires au Canada augmente invariablement les chances d'emploi des deux populations. L'âge et la cohorte de migration, ainsi que la région d'origine, sont plus importants pour comprendre la dynamique du marché du travail au sein de la population immigrante. Contrairement aux politiques d'immigration et aux études récentes, les caractéristiques du capital humain et les facteurs à l'échelle du quartier ont relativement peu d'influence sur les résultats des immigrants et des non-immigrants sur le marché du travail à Montréal et à Toronto
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».