Bibliographic record
Abstract
An approach to African immigration in CataloniaPartint d'una referència a les primeres onades migratòries protagonitzades per diversos grups de persones procedents fonamentalment de Gàmbia i Senegal, l'article repassa les claus del procés que ha fet que Catalunya esdevingués, per a molts subsaharians de nacionalitats diverses, l'etapa final d'un trajecte que en molts casos tenia com a objectiu inicial l'Europa del nord.Paraules clau: subsaharià, reemigració, sedentarisme, mobilitat. Paraules clau: sub-Saharan, re-immigration, sedentary lifestyle, mobility.L' Àfrica subsahariana és un subcontinent d'emigració 1 per excel•lència.Des de fa diverses dècades, 2 aquesta regió va conèixer migracions de naturalesa diversa i de destinacions diferents.A mitjan i a la fi dels anys 80, va aparèixer un flux migratori més intens, orientat cap al que els estudiosos van anomenar els "nous destins": alguns països de l'Àfrica central, d'Europa, d'Amèrica i d'Oceania.Aquest flux cap a "nous destins" va ser influenciat pels efectes desastrosos d'una sèrie de crisis econòmiques sense precedents.Aquesta fase va ser coneguda com l'explosió o la multipolarització migratòria (Robin, 1966).El camp migratori africà s'estengué ràpidament cap a Costa d'Ivori, l'Àfrica central (ambdós Congos), Angola i els països del golf de Guinea.De l'Àfrica, els nous candidats a l'emigració n'intentaren "conquerir" allò que els analistes van anomenar "el nou món migratori".Els vells destins van ser gairebé abandonats en detriment d'altres.Els Estats Units, el Canadà, el Japó, Taiwan, Austràlia, Tailàndia, Alemanya, els països del golf Pèrsic, Portugal, Itàlia, Grècia, Espanya... van irrompre, així, en el camp migratori dels africans.1. Ara s'està tornant un continent d'immigració i de trànsit per a molts immigrants procedents d'horitzons diversos.2. Sense tenir en compte els temps llunyans amb els soninke i els tukulor.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.000 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".