Tolérance de la population de la région d’Irkoutsk : l’attitude envers les immigrants et les touristes étrangers
Bibliographic record
Abstract
Cet article est dédié à l’analyse de la perception des immigrants et des touristes étrangers par la population de la région d’Irkoutsk (oblast d’Irkoutsk) et à l’estimation du degré de tolérance envers les différents groupes d’immigrants et de touristes. En se basant sur les résultats d’une enquête sociologique de 2018, il donne une estimation du niveau de tolérance ethnique. Le calcul de l’indice de tolérance ethnique de la population locale montre des attitudes contrastées envers l’origine géographique des différents flux de migrants. On identifie des groupes d’immigrants qui suscitent une attitude majoritairement négative comme les migrants des pays d’Asie Centrale, du Caucase, de la Transcaucasie et de Chine. Les contacts personnels avec les immigrants influencent non seulement l’attitude à leur égard ; mais aussi les rendent plus tolérants. On observe que les touristes étrangers suscitent moins de craintes et de réticences que les immigrants. Les flux touristiques « anciens » en provenance d’Europe, des États-Unis et du Canada, du Japon et de la Corée du Sud, suscitent, en règle générale, une attitude amicale et neutre de la part de la population locale tandis que les touristes originaires de Chine suscitent un plus grand rejet.
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 | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".