MétaCan
Menu
Retour à la cohorte
Enregistrement W7054635471

Agents of Globalization: Shipping Companies, Labor Recruiters, and Landlords in the Making of the European Exodus, 1870-1930

2024· other· en· W7054635471 sur OpenAlexaboutno aff

Notice bibliographique

RevueeScholarship (California Digital Library) · 2024
Typeother
Langueen
DomaineEngineering
ThématiqueLaser Design and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommoditySubsidyMaking-ofImmigrationUnemploymentGermanWage
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This dissertation shows how businesses including shipping companies, labor recruitment agents, and landed elites—“agents of globalization”—decisively shaped global mobility in an era of nominally “free” and unregulated migration. From South Carolina and Argentina to Saskatchewan and Australia, businesses tried desperately to court immigrants, resorting to subsidies and marketing campaigns, or, failing these, deceit and coercion. Recruiters were invariably aided by shipping companies, which agglomerated during the 1870s into a handful of globe-straddling, modern corporations like the British Cunard or the German Hamburg-America Line. Never simply neutral conduits of global interconnectivity, steamship lines indiscriminately fomented migration to countless destinations, which delivered profits far exceeding those on freight. Across Europe, meanwhile, the deluge of shipping agents and foreign recruiters provoked a backlash from commercial farmers, who had been buffeted by world markets and now faced a depleting labor force and rising wages. The net result was an international migration regime quite unlike our own. Ours is an age of chronic structural unemployment in the richest countries, in which liberalized immigration policies are consequently a hard sell. In 1900 by contrast the economies of the Americas, Australia, and New Zealand wrestled with an inexhaustible appetite for labor power. Simply put, even unskilled labor was a desperately sought commodity in a world awash in land and capital.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil0,661

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,021
Tête enseignante GPT0,223
Écart entre enseignants0,202 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetLaser Design and ApplicationsTravaux en français237 207