Diffuse diversity: Migration in individual perceptions and categorisations
Notice bibliographique
Résumé
Menschen nehmen permanent alltägliche Ordnungsleistungen<br>vor. Unter anderem differenzieren und kategorisieren sie die sie umgebenden Men-<br>schen. Welche Bedeutung solche alltagsweltlichen Differenzierungen haben, ist bis-<br>lang unzureichend untersucht. Dieser Beitrag zeigt, dass eine Analyse subjektiver<br>Wahrnehmungen und Beschreibungen, hier der Wohnumgebung, aufschlussreich<br>ist für ein Verständnis von Einstellungen zu Vielfalt und Migration. Zugrunde<br>liegen umfangreiche Befragungen aus den Jahren 2010 und 2019/20, deren Daten<br>eine Kombination von quantitativen und qualitativen Analysen erlauben. Unter-<br>sucht wird, wie sich die gewachsene gesellschaftliche Vielfalt in Wahrnehmungen<br>der Bevölkerung im Wohnumfeld spiegelt. Migrationsbezogene Differenzierungen<br>stehen im Vordergrund, aber durchaus neben anderen Aspekten von Vielfalt.<br>Wo Migration salient ist, korreliert dies nicht mit bestimmten Bewertungen der<br>Vielfalt. Analysen, die in Einstellungen zur Politik einen Zusammenhang von<br>Salienz und negativen Dispositionen zeigen, sollten offenbar nicht verallgemeinert<br>werden. Auch die Begriffe, mit denen migrationsbezogene Differenz beschrieben<br>wird, sagen wenig aus über eine Akzeptanz von Vielfalt und Teilhabe. Solche „sym-<br>bolic boundaries“ bleiben überraschend uneindeutig. Die Analysen zeigen das Bild<br>einer „diffusen Vielfalt“ in den Wahrnehmungen, in denen scharfe Grenzziehungen<br>an Relevanz verlieren. Die Befunde sind relevant im Hinblick auf die Analyse<br>alltagsweltlicher Wahrnehmungen und Kategorisierungen, die Analyse symbolischer<br>Grenzziehungen und für die Bewertung einer Salienz von Migration. Sie sind zudem aufschlussreich bezüglich möglicher Entwicklungen des Selbstbewusstseins<br>einer vielfältigen Gesellschaft.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».