La composante féminine des migrations roumaines hautement qualifiées à Toronto : visibilité, rôles et stratégies
Bibliographic record
Abstract
De nos jours, la migration des cerveaux est un phénomène qui revêt des formes dont la richesse surprend. La mondialisation et la restructuration des marchés économiques entraînent des nouveaux comportements de mobilité sociale et géographique, en exerçant une influence directe sur la dynamique et les structures des processus migratoires. La féminisation grandissante des flux est un phénomène incontestable. Pourtant, dans les études sur les «skilled migrations», peu d’attention a été accordée aux femmes migrantes. Dans le cas roumain, les migrations des élites scientifiques et tech -niques représentent une des facettes multiples de la mobilité que l’ouverture des frontières conséquente à la chute du communisme a entraînée. Le Canada, tout particulièrement, est devenu une destination cible des migrants roumains qualifiés. A partir des résultats d’une enquête qualitative menée à Toronto en avril 2002 et octobre 2003, cet article examine les stratégies migratoires des femmes roumaines, l’impact de leur statut d’entrée (immigrée indépendante/dépendante) sur l’habilité à l’intégration, les modèles d’accès au marché du travail ainsi que l’influence de la migration sur les modèles familiaux.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".