Bibliographic record
Abstract
Seit Anfang des 21.Jahrhunderts haben »multikulturelle« Herangehensweisen an die Integration von Immigranten viel von ihrer Beliebtheit verloren.In dieser Entwicklung spielt der Fall der Niederlande eine entscheidende Rolle, da dieser Staat lange als der Inbegriff für gelungenen Multikulturalismus galt, inzwischen aber als Musterbeispiel für das Scheitern einer solchen Politik betrachtet wird.Was, wenn überhaupt, lief also beim niederländischen Multikulturalismus schief, und was können wir daraus generell für die Integrationspolitik lernen?Wir werden an diese Fragestellung herangehen, indem wir den niederländischen Fall mit sieben anderen europäischen Einwanderungsländern vergleichen.Unsere Argumentation lautet, dass der Zugang zu gleichen Rechten, inklusive des unbeschränkten Zugangs zu Leistungen des Wohlfahrtsstaates in Verbindung mit einem hohen Grad an Förderung kultureller Diversität, unbeabsichtigt negative 1 | Eine englischsprachige Version dieses Beitrags ist erschienen im Journal of Ethnic and Migration Studies, Jahrgang 36 (2010), Heft 1, S. 1-26.Der Autor dankt Mela Walser und Lutz Exner für die deutsche Übersetzung.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.008 |
| Scholarly communication | 0.004 | 0.006 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".