Labour Migration in Latin America and the Caribbean Diagnosis, Strategy, and Ilo's Work in the Region
Notice bibliographique
Résumé
As in the rest of the world, in Latin America and the Caribbean migration has been expanding in volume, dynamism, and complexity over the past decades and is closely linked to the world of work and the quest for employment, income, and decent work opportunities. Today, almost all countries in the region are part of migration flows, whether as countries of origin, transit or destination. The United States of America continues to be the main country of destination for most Latin America and Caribbean migrant workers and their families. Yet, migration has become more diverse and intense in intra-regional migration corridors to countries like Argentina, Barbados, Brazil, Costa Rica, Chile, Dominican Republic, Panama, and Trinidad and Tobago; as well as in inter-regional corridors, particularly to countries such as Canada, Spain, Italy, and Portugal. This report contains a diagnosis, as updated as possible with available information from major migration corridors in the American continent, intra and inter-regional wise. It describes the common features of these corridors; analyses the weaknesses and challenges of public policies and governance in such corridors; and describes the progress, good practices, and opportunities to improve labour migration in the region. Based on the above-mentioned diagnosis and the institutional mandate of the ILO, the last section presents ILO’s strategy and lines of work in labour migration to be implemented in the Latin American and Caribbean region during the 2016-2019 period.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».