CHAPITRE 10 Migrations et citoyenneté
Bibliographic record
Abstract
Au milieu de l'année 2020, l'ONU estimait à 281 millions le nombre de migrants internationaux, toutes catégories confondues.Si près des deux tiers de ces personnes se sont établis dans un autre pays afin d'y travailler, cette population reste d'une grande hétérogénéité et englobe étudiants, demandeurs d'asile, familles et individus isolés (majeurs comme mineurs), travailleurs agricoles saisonniers ou personnels hautement qualifiés, ainsi que personnes sans statut.La limitation de la mobilité humaine s'est imposée comme une mesure d'atténuation planétaire de la pandémie, et s'est traduite d'abord par la fermeture des frontières internationales (interdiction d'entrée, fermeture d'aéroports), ensuite par la mise en œuvre de régimes variés de restrictions ou de conditions d'entrée dans la plupart des pays.En mars 2021, celles-ci étaient estimées à près de 108 000 à travers le monde (OIM, 2021).Au-delà du contrôle des frontières, la pandémie a accentué la précarité multidimensionnelle des migrants au sein de leurs États de résidence, notamment par effet du durcissement des instruments politiques et juridiques encadrant leur séjour.Se penchant sur les rapports entre le Canada et le reste du monde, ce chapitre examine le rôle répressif des frontières pendant la pandémie et la précarisation des migrants à partir de la situation de trois groupes : les travailleurs migrants de la santé, les travailleurs saisonniers dans
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.071 | 0.009 |
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".