Études sur la migration et les politiques migratoires en Australie, aux Philippines et en Thaïlande
Bibliographic record
Abstract
Résumé Cet article présente les résultats d’une étude, menée en Asie-Pacifique, visant à élucider la collaboration entre décideurs politiques et chercheurs en sciences sociales dans la prise en compte des phénomènes de migration dans cette région du monde. L’article traite de la façon dont les réseaux de recherche diffusent leurs connaissances afin d’influencer le processus politique, et plus spécifiquement, tente d’évaluer l’impact réel des études sur la migration.Les principales conclusions de cette étude sont les suivantes.Une compréhension des situations économiques et politiques spécifiques de chaque pays est nécessaire, car elle fournit le contexte même dans lequel les politiques s’élaborent.La nature des relations entre la recherche et le processus politique diffère considérablement d’un pays à l’autre. Tandis que dans certains pays (comme l’Australie), la politique migratoire fait l’objet d’une gestion rigoureuse par une instance unique, dans d’autres (comme la Thaïlande), il existe une plus grande diversité d’approches administratives.Une étude répondant à une commande gouvernementale, ou menée en étroite collaboration avec un gouvernement, pèse plus directement et avec plus de force sur les décisions politiques.Dans l’ensemble des pays étudiés, les politiques migratoires semblent tenir de plus en plus compte des tendances des opinions publiques, plutôt que de se référer aux résultats d’études académiques. C’est donc davantage sur un plan indirect que ces dernières ont une influence – certes moins aisément identifiable.Dans ces conditions, diffuser les résultats d’études vers un large public est souhaitable.Tous les chercheurs qui travaillent sur la migration adoptent certains partis pris théoriques et méthodologiques. Il est donc préférable de prendre en considération un large éventail d’opinions.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".