Bibliographic record
Abstract
Diese Diplomarbeit beschäftigt sich mit der kanadischen und österreichischen Integrationspolitik und legt einen besonderen Schwerpunkt auf bildungspolitische Maßnahmen in Schulen zur Förderung der Integration von Kindern mit Migrationshintergrund. Es werden für die Untersuchung relevante Integrationskonzepte und drei verschiedene Modelle von Integrationspolitik diskutiert. Die beiden Länderbeispiele werden im Zuge der Analyse den Konzepten und Modellen zugeordnet. Um den Grad der Integration zu bemessen und Aussagen über den Erfolg der Integrationsmodelle und -konzepte zu tätigen wird die soziale Mobilität (economic mobility) von Personen mit und ohne Migrationshintergrund verglichen. Obwohl beide Länder unterschiedliche Integrationsmodelle anwenden, zeigt sich in der Untersuchung der bildungspolitischen Maßnahmen, dass Kanada und Österreich ähnliche Maßnahmen (sprachliche Förderkurse in der Landessprache, muttersprachlicher Unterricht und interkulturelles Lernen) verabschiedet haben. Die Ergebnisse der sozialen Mobilität der Bevölkerung mit Migrationshintergrund sind jedoch unterschiedlich in den beiden Ländern. Während soziale Mobilität von Migrantinnen in Kanada relativ hoch ist, konzentriert sich diese in Österreich auf das untere Segment des Arbeitsmarktes. Kanada weist eine hohe Einkommenselastizität zwischen der ersten und zweiten Generation von Migrantinnen auf und kann daher als eine mobile Gesellschaft bezeichnet werden. Folglich ist die Integration von Migrantinnen bemessen anhand der sozialen Mobilität erfolgreicher in Kanada als in Österreich. Es lässt sich daher festhalten, dass andere Bereiche der Integrationspolitik einen wichtigen Einfluss auf die Wirkung von Integration haben. Bildungspolitische Maßnahmen für Personen mit Migrationshintergrund sind wichtig, können jedoch nicht Diskriminierung in anderen Bereichen verhindern oder aufheben.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.008 | 0.001 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.005 | 0.003 |
| Insufficient payload (model declined to judge) | 0.095 | 0.010 |
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".