Einmal unten – immer unten? Empirische Befunde zur Lohn- und Einkommensmobilität in Deutschland
Bibliographic record
Abstract
Die Debatte um die Verteilungsgerechtigkeit wird bisweilen mit großer Schärfe geführt. Darin spielen traditionell Indikatoren zur Ungleichheit eine große Rolle, die in der Regel nur eine Momentaufnahme liefern. Allerdings dürfen auch Kennzahlen zur sozialen Mobilität nicht außer Acht gelassen werden. Wenn Chancen auf einen sozialen Aufstieg vorhanden sind, können größere Ungleichheiten als weniger problematisch bewertet werden. Dies gilt vor allem für den Aufstieg aus den unteren Schichten. Empirische Befunde auf Basis des Sozio-oekonomischen Panels zeigen, dass Aufstiegschancen aus dem Niedriglohnsektor vorhanden sind. Immerhin gut ein Viertel der Geringverdiener schafft den Sprung über die Niedriglohnschwelle. Während im Zeitverlauf der Anteil der Aufsteiger bis etwa zum Jahr 2008 tendenziell rückläufig war, zeichnet sich seitdem ein leicht steigender Trend ab. In Bezug auf die Einkommensmobilität, bei der neben dem Erwerbseinkommen weitere Komponenten des Haushaltseinkommens berücksichtigt sind, kann rund ein Drittel der armutsgefährdeten Personen innerhalb eines Jahres aus der untersten Einkommensschicht aufsteigen. In einem Zeitraum von zehn Jahren sind es sogar 58 Prozent. Indes ist für die Einkommensmobilität keine positive Entwicklung in der Aufstiegshäufigkeit zu erkennen. Zusammenfassend hat sich die soziale Mobilität im Zeitverlauf kaum verbessert. Insofern sollte erstens beobachtet werden, wie sich etwa vor dem Hintergrund der Flüchtlingsmigration oder der Einführung des Mindestlohns die Mobilität zukünftig entwickelt. Zweitens besteht weiterer Forschungsbedarf hinsichtlich der Gründe für die beobachtete Entwicklung.
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 | 0.008 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".