L’intégration socioéconomique des réfugié-e-s à Sherbrooke : une exploration de leurs trajectoires professionnelles
Bibliographic record
Abstract
Ce mémoire met en lumière les différentes trajectoires en emploi de réfugiés établis à Sherbrooke. Peu discuté dans la littérature scientifique québécoise, le sujet est exploré à l’aide du cadre conceptuel pour l’étude de facteurs de migration et d’intégration de Victor Piché (2013). Les entrevues avec les participants ont mis en lumière que l’intégration en emploi ne repose pas sur un seul facteur, tel que la maitrise de la langue du pays d’accueil, ou encore l’obtention d’un diplôme du pays d’accueil. Au contraire, les participants ont fait sens de leur trajectoire en emploi en mobilisant une multitude de facteurs qui n’étaient pas toujours directement associés à l’intégration économique. L’ouverture de la communauté d’accueil, l’implication citoyenne, l’attachement à la ville d’accueil ou encore la présence d’un réseau social fort sont tous des facteurs ayant été identifiés comme ayant eu un impact positif sur l’intégration économique et l’intégration à la nouvelle communauté. Ainsi, nous constatons l’importance de chercher à comprendre l’intégration en emploi de manière multidimensionnelle, c’est-à-dire mettant de l’avant l’implication de facteurs micro, méso et macrosociaux.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.010 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 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".