A Cross-National and Cross-Document Analysis of Media and Policy Framing of Education for Displaced Persons in Canada and the United States
Notice bibliographique
Résumé
In the face of economic, environmental, and security crises, forced displacement is increasing globally, drawing millions of men, women, and children from their homes and placing them into often unpredictable and indefinite states of transition. For these people, education can provide the knowledge and skills needed to resettle in another country, as well as provide a sense of stability and empowerment in an otherwise difficult context. Since displaced populations (DP) rely heavily on the resources of host countries for the provision of education services, the way that media and policy actors frame and label displaced groups may impact these groups' ability to access quality education. The descriptive mixed-methods analysis in the current study provides an overview of how frames and labels are used in media and policy documents related to the education of displaced populations in Canada and the United States. Examining articles from four national newspapers (n=146) and federal legislation from the U.S. Congress (n=67) published between 2013 and 2022, this study uses Goffman's (1974) Framing Analysis to compare how frames and labels are employed across the sample and how they are used to develop overarching neoliberal, human rights, and threat frameworks. The results of the current study show notable similarities and differences in the use of framing and labeling between Canadian and U.S. media and between U.S. media and legislation. Considering the overall use of framing observed in the sample, this study also addresses the way overarching neoliberal and human rights frameworks compete with one another while overarching threat frameworks can fragment a document's overall framing. This study adds to the body of literature on the framing of DP by placing this discussion in the North American context and by providing qualitative analysis to a set of literature that is mostly composed of quantitative studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,011 | 0,017 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».