Australian Muslim Jobseekers and Social Capital
Notice bibliographique
Résumé
This article uses the concept of social capital to analyse data about Muslim jobseekers attempting to enter the Australian labour market. They often relied on their own social networks to find work rather than maximize the support of employment service providers. The study demonstrated the range of Muslim jobseekers and their social networks in an atmosphere of fear and intolerance. Three categories of Muslim jobseekers – from advantaged to disadvantaged – were identified. It is concluded that the most disadvantaged Muslim jobseekers can benefit greatly from increased support offered by employment service providers. Cet article présente une analyse des gens de confession musulmane qui cherchent à entrer sur le marché du travail en Australie. Nous avons observé que ces gens comptaient souvent sur leurs propres réseaux sociaux pour chercher un emploi et que quelquefois ils ne voulaient pas utiliser les services d’aide. Nos recherches décrivent en détail les expériences de ces demandeurs d’emploi. Il semble qu’il y ait un climat de peur et d’intolérance dans la société australienne qui pousse ces personnes à compter sur leurs propres ressources et réseaux, qui sont nécessairement limités. Nous avons identifié trois catégories de demandeurs d’emploi musulmans: les demandeurs les plus favorisés, les demandeurs avec quelques avantages, et les demandeurs les plus défavorisés. Nos recherches indiquent que les musulmans qui ne réussissent pas à trouver un emploi sont ceux qui sont les plus défavorisés dans la société. Ces derniers devraient obtenir un meilleur soutien des services d’aide à la recherche d’un emploi quand ils cherchent à entrer sur le marché du travail en Australie.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».