As the number of empirical studies increases unprecedentedly in line with expansions in higher education, theoretical developments in population studies suffer due to a discoverability crisis of related work. The systematic use of previous research is common in the medical sciences through various types of structured reviews. However, these are less common in the social sciences, despite their potential, especially in cross-disciplinary fields such as migration. We use Google Scholar to examine the niche of housing research within migration studies through a broad range of documents. The contribution of this meta-analysis is threefold. Firstly, we illustrate the association of keywords across the corpus of literature related to migration and housing and map the growth of migration literature since the 1960s. Secondly, we highlight key bridging documents using network measures. Finally, we estimate the distance in reading time between documents. Our findings suggest that the corpus of previous work at the intersection of migration and housing consists of many additive case studies, indicating a gap in integrative approaches replicable across a growing knowledge landscape.


翻译:随着高等教育的扩大,经验性研究的数量空前增加,人口研究的理论发展由于相关工作的可发现危机而受到影响。通过各种结构化审查,在医学科学中系统使用以前的研究是常见的。然而,尽管这些研究具有潜力,但在社会科学中却不那么普遍,特别是在移民等跨学科领域。我们利用谷歌学者通过一系列广泛的文件来研究移徙研究中住房研究的专长。这一元分析的贡献有三重。首先,我们举例说明与移徙和住房有关的文献中的关键词之间的联系,并描绘自1960年代以来移徙文献的增长。第二,我们强调使用网络措施的关键桥梁文件。最后,我们估计了文件之间的阅读时间。我们的调查结果表明,在移徙和住房的交叉方面,以前的工作内容包括许多累加案例研究,表明在综合方法方面存在着差距,可在不断增长的知识景观中加以复制。

0
下载
关闭预览

相关内容

不可错过!《机器学习100讲》课程,UBC Mark Schmidt讲授
专知会员服务
72+阅读 · 2022年6月28日
专知会员服务
50+阅读 · 2020年12月14日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
28+阅读 · 2022年3月28日
Arxiv
57+阅读 · 2022年1月5日
Arxiv
54+阅读 · 2022年1月1日
Arxiv
11+阅读 · 2018年1月11日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
相关论文
Arxiv
28+阅读 · 2022年3月28日
Arxiv
57+阅读 · 2022年1月5日
Arxiv
54+阅读 · 2022年1月1日
Arxiv
11+阅读 · 2018年1月11日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员