MétaCan
Menu
Retour à la cohorte

Processus migratoires et identitaires de Coréens en France et au Québec

2014· dissertation· W7143671357 sur OpenAlexaboutno aff
Minsung Vivier

Notice bibliographique

Revuenon disponible
Typedissertation
Langue
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationPopulationIdentity (music)Context (archaeology)

Résumé

récupéré en direct d'OpenAlex

Ce travail porte sur les processus migratoires et identitaires de la population coréenne installée en France ou au Québec. Son objectif premier est de comprendre l’influence du contexte socioculturel sur la façon dont les migrants s’adaptent et s’intègrent dans les pays d’accueil dont les modèles d’intégration diffèrent. Considérant que la langue constitue un élément principal dans le processus d’adaptation ainsi que dans les stratégies identitaires, la dynamique langagière des familles migrantes a été analysée avec une attention particulière. 17 familles coréennes composées du père, de la mère et de leur enfant âgé de 11-15 ans ont été rencontrées en France ou au Québec, à travers essentiellement l’entretien semi-dirigé et le questionnaire sociolinguistique. Les résultats de notre recherche révèlent que le modèle républicain assimilationniste français favorise l’intégration linguistique et culturelle des immigrants coréens alors que le modèle interculturel québécois promeut l’intégration socioprofessionnelle, civique et communautaire. Les enfants dits « de la deuxième génération de l’immigration » intègrent de manière spontanée la culture et la langue du pays d’accueil de leurs parents par la scolarisation ainsi que celles d’origine dans le cadre intrafamilial. Nos analyses qualitatives montrent que les processus adaptatifs et identitaires des migrants coréens s’élaborent en lien étroit avec le contexte socioculturel mais aussi par un travail de symbolisation de l’interculturalité sur le plan personnel et groupal.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,569
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,366
Écart entre enseignants0,354 · 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.

Devis d'étudeQualitatif
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFrench Language Learning MethodsTravaux en français237 207