Integration of Minority Migrant Workers in Lanzhou, China
Bibliographic record
Abstract
La recherche sur les travailleurs migrants chinois - ceux qui ont été officiellement inscrits dans des familles d’agriculteurs, mais qui travaillaient en ville - a montré que le système chinois hukou , ou système d’enregistrement, limitait leur capacité à obtenir l’immatriculation dans des familles urbaines, indispensable pour avoir accès à la sécurité sociale. Il y a eu peu de recherche sur l’intégration de travailleurs migrants d’origine minoritaire. À partir de l’enquête de 2011 sur 1.090 d’entre eux à Lanshou, une ville du Nord de la Chine, cet article porte sur deux aspects de leur intégration : l’un, objectif, mesure leur accès aux bénéfices de la sécurité sociale, l’autre, subjectif, évalue à quel point ils voient de l’iniquité dans leurs perspectives d’emploi. Nous défendons ici le fait que l’intégration de travailleurs migrants appartenant à des minorités chinoises comprend le fait d’être traité comme les autres sur la base de bénéfices en tant qu’urbains, et que ceci affecte leur sens d’équité dans le marché du travail. Nos conclusions donnent à penser que l’intégration de ces travailleurs ne se résume pas à des facteurs culturels et économiques, mais comprend aussi des questions sur les droits et un sens de l’inégalité.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".