Mobilite internationale: analyse longitudinale des effets sur les gains individuels
Bibliographic record
Abstract
La mesure dans laquelle les travailleurs quittent le pays a suscite un grand debat au Canada - et ailleurs - vers la fin des annees 1990, bien que des donnees empiriques recentes revelent que, apres tout, ce phenomene n'etait pas si generalise et que, ces dernieres annees, les taux de sortie ont nettement diminue. Il y a cependant un aspect de la dynamique de la mobilite internationale qui n'a pas encore ete aborde : celui de l'incidence de cette sortie et de ce retour migratoires sur les gains individuels. Si les donnees empiriques manquent a ce sujet, c'est surtout qu'on ne dispose pas du genre de donnees longitudinales necessaire a une telle analyse. Notre propos sera de livrer des indications sur l'incidence de cette sortie et de ce retour migratoires sur les gains individuels grace a une analyse effectuee avec la Banque de donnees administratives longitudinales. Les modeles estimes se reportent aux profils predepart (relatifs) des migrants comme point de comparaison pour l'analyse des tendances des gains (relatifs) postretour afin de tenir compte de toute difference preexistante de profil de gains entre les migrants et les non-migrants (tout en tenant compte d'autres facteurs qui ont une incidence sur les gains individuels en tout temps). On constate de facon generale que, a leur retour, les migrants ont des gains superieurs a ceux des non-migrants; precisons toutefois que la plus grande partie de l'ecart existait deja avant la migration. Au chapitre de la croissance des gains nets, ce sont les gens qui ont sejourne a l'etranger de deux a cinq ans qui obtiennent les meilleurs resultats, leurs gains progressant de 12 % au cours des cinq annees suivant leur retour par rapport a la periode precedant la migration (une fois pris en compte certains facteurs); les personnes qui partent pour une annee seulement connaissent une hausse moins marquee de leurs gains, tandis que les personnes ayant sejourne plus longtemps a l'etranger ont des gains (relatifs) moindres qu'avant leur depart (en raison peut'etre d'autres evenements associes a leurs profils de mobilite). Fait a noter, ce sont principalement les personnes qui avaient le niveau de gains le plus bas avant de migrer (moins de 60 000 $) qui semblent profiter de la hausse de gains la plus marquee; dans le cas des personnes dont les gains etaient superieurs a ce montant, la hausse a ete plus faible et plus variable.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".