MétaCan
Menu
Retour à la cohorte
Enregistrement W7066410429

The Impact of COVID-19 on Noncitizens and Across the U.S. Immigration System

2020· report· en· W7066410429 sur OpenAlexaboutno aff

Notice bibliographique

RevueIssue Lab (Candid) · 2020
Typereport
Langueen
DomainePhysics and Astronomy
ThématiqueLaser-Plasma Interactions and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationEnforcementImmigration lawImmigration policyRefugeeLegislatureCitizenshipDeportationImmigration and crime
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The COVID-19 (the novel coronavirus) pandemic, and the related federal response, disrupted virtually every aspect of the U.S. immigration system. Visa processing overseas by the Department of State, as well as the processing of some immigration benefits within the country by U.S. Citizenship and Immigration Services (USCIS), have come to a near standstill. Entry into the United States along the Mexican and Canadian borders—including by asylum seekers and unaccompanied children—has been severely restricted. Immigration enforcement actions in the interior of the country have been curtailed, although they have not stopped entirely. Tens of thousands of people remain in immigration detention despite the high risk of COVID-19 transmission in crowded jails, prisons, and detention centers that U.S. Immigration and Customs Enforcement (ICE) uses to hold noncitizens. The pandemic led to the suspension of many immigration court hearings and limited the functioning of the few courts which remain open or were reopened. Meanwhile, Congress left millions of immigrants and their families out of legislative relief, leaving many people struggling to stay afloat in a time of economic uncertainty.This report seeks to provide a comprehensive overview of the impact of COVID-19 across the immigration system in the United States. Given that the landscape of immigration policy is changing rapidly in the face of the pandemic, this report will be updated as needed.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil0,863

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0080,002
Communication savante0,0050,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,020
Tête enseignante GPT0,336
Écart entre enseignants0,317 · 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'étudeObservationnel
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIssue Lab (Candid)Même sujetLaser-Plasma Interactions and DiagnosticsTravaux en français237 207