Immigration étudiante en provenance des pays en développement : comment en conserver les bénéfices tout en limitant les craintes des services de l’immigration ?
Bibliographic record
Abstract
Depuis une quinzaine d’années, la concurrence s’intensifie pour accueillir les étudiants étrangers. Ces étudiants étant deplus en plus nombreux à venir de pays en développement, cela fait parfois craindre aux pays d’accueil qu’il ne s’agissed’immigration déguisée, avec pour conséquence des taux d’approbation de leurs demandes de visa faibles. Pour continuer àattirer ces étudiants et bénéficier de la manne financière qu’ils procurent, plusieurs gouvernements ont réformé leur procédurede traitement des demandes de visa. Le Canada a ainsi mis en place le Student Partners Program en 2009 pour améliorerl’information à la disposition des agents de l’immigration. Ce dispositif a été particulièrement efficace : alors que seulement39 % des étudiants indiens, qui avaient été acceptés par les établissements participant au programme, obtenaient un visaavant la réforme, ce taux d’approbation a augmenté de 88 % pendant les cinq années qui ont suivi son introduction. En outre,ce dispositif a incité près de deux fois plus d’Indiens à demander un visa pour étudier dans les établissements participant auprogramme. Au total, les inscriptions d’étudiants indiens ont presque triplé grâce à cette réforme.
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 | 0.014 | 0.034 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.006 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.020 | 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".