Competing globally, marketing locally: Subnational migration marketing in Australia and Canada
Notice bibliographique
Résumé
Abstract In an era of skills-focused immigration, subnational units increasingly assert their role in attracting the ‘best and brightest’ migrants, creating a complex landscape of vertical (national vs subnational levels) and horizontal (among subnational units) competition. This article investigates the marketing tools and strategies employed by subnational units in Canada and Australia in competing for migrants. Adopting a subnational comparative approach, the study examines eighteen subnational units across both federal states, utilizing official immigration websites, migration plans, strategy documents, and immigration streams. Qualitative content analysis reveals that subnational units use sophisticated marketing tools, including comparisons and rankings, dedicated websites, videos, overseas missions, and employer resources. This marketing is not merely supplementary to national efforts; subnational units create distinctive narratives and policies that appeal to specific groups, differentiating themselves from other units and even from the central government. These units leverage local advantages, target specific migrant groups, and adapt their strategies according to their population size, migrant attractiveness, and regional needs. I argue that subnational migration marketing shows competition for desired migrants extends inwards from national borders as subnational units develop their own strategies. Subnational migration marketing transcends traditional nation-centric approaches, demonstrating the importance of localized, niche-focused, and competitive strategies in influencing not only who arrives, but where they settle, ultimately impacting regional development and addressing internal population distribution challenges. The findings underscore the distinctive nature of subnational migration marketing, as subnational governments actively differentiate themselves from the federal level and from other units to shape migration flows and policies.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».