MétaCan
Menu
Retour à la cohorte
Enregistrement W6991052859

FACING THE DIFFICULT MANAGEMENT OF FLOWS
\nOF MIGRANTS AND ASYLUM SEEKERS TO THE EU:
\nITALY AS A CASE STUDY

2016· article· en· W6991052859 sur OpenAlexaboutno aff

Notice bibliographique

RevueFlorence Research (University of Florence) · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefugeeDignityProsperityAsylum seekerDisplaced personHuman rightsTortureImmigration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

"Especially since mid-2015, Canadians have been touched and troubled by events taking place faraway, across the Atlantic, in Europe and the Mediterranean Basin, where scenes of migrants desperate for a chance to live in dignity and refugees fleeing for their lives have become commonplace. Unprepared for a surge of migrant flows at a magnitude unseen since World War II, European countries, individually as well as collectively, have been at a loss. An integrated European Union, the product of a peace, prosperity and stability project devised over sixty years ago, may be at risk. Inclusive to its member States, the socio-political effects of the open-border regime are looming larger and gloomier than the economic dreaded impact of a Grexit from the monetary union. In her piece “Facing the Difficult Management of Flows of Migrants and Asylum Seekers to the EU: Italy as a Case Study”, the Italian law professor and lawyer, Chiara Favilli, lays out the complexities of the European regional (international) refugee law. These embody an entanglement of EU, European human rights, member States’, and national non-member States’, laws. The challenge faced by Italy — a country gate to the EU — serves as a compelling case study. Favilli’s detailed account and analysis offer insights, and consequently raise issues, pertinent to international legal challenges faced also by Canada as it struggles with sharing in the human responsibility for the same refugees".

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0150,009
Communication savante0,0080,004
Science ouverte0,0020,007
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,332
Écart entre enseignants0,286 · 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'étudeQualitatif
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFlorence Research (University of Florence)Même sujetMigration, Refugees, and IntegrationTravaux en français237 207