MétaCan
Menu
Retour à la cohorte
Enregistrement W7045559454

Becoming and Belonging?: Lived experiences of naturalization and the implementation of citizenship law in Germany and Canada

2025· article· en· W7045559454 sur OpenAlexaboutno aff

Notice bibliographique

RevueLeiden Repository (Leiden University) · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCitizenshipNaturalizationDiscretionIdentity (music)PoliticsPerceptionActive citizenshipImmigration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Naturalization, the acquisition of citizenship, constitutes the final step of a migrant’s formal integration process. For many, becoming a citizen means gaining civic rights, protection from deportation, and freedom of movement. Citizenship policies are often interpreted as a reflection of a country's identity – what it values in a citizen – and are commonly used as an indicator of a country's general approach to immigration. Naturalization literature has long sought to determine and evaluate the precise factors deciding whether someone will become a citizen. This dissertation examines the process of citizenship acquisition, its impact on the individual naturalizing and the experiences of those enforcing citizenship policy day-to-day. It asks how someone acquires citizenship formally, administratively, and emotionally and how that citizenship is interpreted. How is citizenship law put into action? Does becoming a citizen mean that someone feels like they belong to that country? Employing a bottom-up approach, this research studies the implementation of citizenship policy utilizing in-depth interviews with both new citizens and street-level bureaucrats in Germany and Canada. It combines theoretical and methodological approaches from public administration, political science and socio-legal studies incorporating questions of discretion and the perception thereof, definitions of citizenship, and legal consciousness.

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)0,003
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,095
Score d'incertitude au seuil0,691

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0310,022
Communication savante0,0090,004
Science ouverte0,0030,008
Intégrité de la recherche0,0020,004
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 Opus0,006
Tête enseignante GPT0,245
Écart entre enseignants0,238 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLeiden Repository (Leiden University)Même sujetMigration, Refugees, and IntegrationTravaux en français237 207