Bibliographic record
Abstract
[First paragraph]: "La migration est un phénomène mondial qui touche des millions de personnes qui se déplacent pour des raisons diverses comme le travail, le regroupement familial, les études, le loisir ou le refuge. On estimait à 272 millions le nombre de migrants internationaux dans le monde en 2019, soit 3,5 % de la population mondiale. Près des deux tiers des migrants internationaux sont des travailleurs migrants. La mobilité internationale de la main-d’œuvre a été marquée par la montée des programmes de travailleurs migrants temporaires à bas salaire dans des secteurs tels que l’agroalimentaire, l’hébergement, la restauration et le commerce du détail, la construction ou encore l’aide familiale. Ces travailleurs migrants n’ont généralement pas d’accès à la résidence permanente et bénéficient de droits socioéconomiques limités. Une autre tendance qui a marqué les dernières décennies est l’augmentation du nombre de migrants irréguliers, c’est-à-dire des personnes qui cherchent à entrer, entrent ou demeurent dans un pays dont elles ne sont pas citoyennes, en violation des règles nationales d’immigration. De plus, la migration forcée causée par des persécutions, des conflits ou de violations de droits humains ne cesse de croître, exacerbée par le changement climatique et les inégalités sociales. En 2019, la population mondiale des réfugiés était de 26 millions. Le nombre des demandeurs d’asile s’est élevé à 4.2 millions de personnes."
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.021 | 0.005 |
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".