Le Politiche d’Integrazione dei Migranti e i Risultati Scolastici degli Adolescenti di Seconda Generazione
Bibliographic record
Abstract
La letteratura empirica sull’assimilazione e sull’integrazione degli immigrati è piuttosto ricca, sebbene essa sia concentrata soprattutto sui paesi di vecchia immigrazione (Stati Uniti, Canada, Australia, ecc.) mentre per l’Europa (Germania, Gran Bretagna, Francia, ecc.) essa è riferita soprattutto al processo di assimilazione nel mercato del lavoro. Con questa ricerca si vuole colmare una lacuna nella letteratura esistente. Per questo motivo prima si analizza il processo di integrazione delle seconde generazioni di adolescenti in Italia e poi si confrontano i risultati con quelli ottenuti in altri due paesi europei che adottano diverse politiche d’integrazione degli immigrati: Svezia e Svizzera . In particolare, mentre la conoscenza della lingua del paese ospitante spiega una buona parte dello svantaggio nei risultati scolastici in ogni paese analizzato, la situazione socio-economica della famiglia d'origine, i sistemi scolastici (early tacking or streaming) e la segregazione scolastica sono ulteriori elementi che spiegano la restante componente dello svantaggio scolastico degli adolescent di seconda generazione. Le conclusioni a cui si giunge nella nostra ricerca analizzando i risultati dei test PISA del 2006, 2009 e 2012 sottolinea il ruolo fondamentale che le diverse politiche d'integrazione possono giocare nel ridurre lo svantaggio iniziale dei student immigrati rispetto ai nativi.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".