Supporting Social Integration of Canadian Immigrants: The Impact of Discourses on Migrants’ Lived Experiences
Bibliographic record
Abstract
Un nombre sans précédent d'immigrants devrait arriver au Canada entre 2023 et 2025. Le Canada projette une image superficielle d'être accueillant envers les immigrants et de leur fournir un soutien suffisant pour leur intégration. Cependant, la littérature suggère que les nouveaux arrivants au Canada subissent de la discrimination, de la solitude et de la marginalisation. Cela indique un besoin de mieux soutenir l'intégration sociale des immigrants. L'intégration sociale comprend l'acquisition d'un capital social et culturel, le développement d'un sentiment d'appartenance, la négociation de l'identité et la formation de relations. Ces aspects de l'intégration sociale sont influencés par les discours sociétaux dominants qui définissent les normes et les hypothèses pour les immigrants et façonnent leurs expériences. Dans cette étude, j'explore l'impact des discours sociétaux sur l'intégration sociale des nouveaux arrivants dans le contexte de trois programmes de cours de langue pour les nouveaux arrivants au Canada (LINC) en Alberta, au Canada. Les objectifs de l'étude sont de comprendre comment les discours avancés dans le cadre du programme CLIC influencent l'intégration des immigrants et de mettre en lumière les histoires et les perspectives des immigrants sur l'intégration sociale. En m'appuyant sur des théories post-structurelles critiques, j'ai utilisé l'analyse critique du discours et l'intersectionnalité pour collecter et analyser des données en deux étapes. Dans la première étape, des données ont été recueillies à partir de plus de 40 sites Web gouvernementaux et d'organisations de fournisseurs de services qui informent le programme CLIC, à partir de plus de 50 articles de presse en ligne publiés au Canada, à partir d'entrevues avec des enseignants CLIC (n = 5) et des administrateurs (n = 3) , et de groupes de discussion avec des immigrants (n = 16). Les données du site Web et des entrevues ont été analysées par thématique; les données des groupes de discussion ont été analysées à l'aide de l'approche de Fairclough pour l'analyse critique du discours, passant de la description à l'interprétation et à l'explication. Dans la deuxième étape, neuf entretiens ont été menés avec un sous-ensemble de participants immigrants pour recueillir des récits de vie et des perspectives sur les données recueillies à la première étape ; ces données d'entrevue ont été analysées à l'aide d'une lentille intersectionnelle. Les résultats suggèrent que les discours sociétaux dominants entourant l'immigration au Canada, tels que le multiculturalisme, la diversité et la tolérance, ne se reflètent pas toujours dans les expériences vécues des immigrants et peuvent avoir une incidence négative sur leur intégration sociale (p. considérée comme une caractéristique positive de l'identité canadienne, mais cette étiquette a parfois limité l'accès des participants au capital culturel et social). Des recommandations sont présentées, y compris la nécessité de recadrer les discours sociétaux dominants nuisibles et de reconsidérer les politiques et pratiques CLIC afin de créer une expérience d'intégration sociale plus positive pour les immigrants et de travailler à des résultats plus équitables pour les immigrants au Canada
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.025 | 0.013 |
| Scholarly communication | 0.010 | 0.002 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".