Wir in Würzburg 2024 – Befragung zum Zusammenhalt in Stadt und Landkreis
Bibliographic record
Abstract
Die Personenbefragung „Wir in Würzburg – Befragung zum Zusammenhalt in Stadt und Landkreis“ dient der Erhebung von repräsentativen Daten zu individuellen Einstellungen, Nutzungsverhalten und Bewertungen in Zusammenhang mit Krisen im Jahr 2024. Fokus der Befragung ist die soziale Resilienz im Kontext von Digitalisierung. Es wird danach gefragt, wie Bewohner:innen der Smarten Region Würzburg ihre individuelle Bedrohungssituation durch Herausforderungen und Krisen, öffentliche Angebote und Dienste, die gemeinschaftliche Verbundenheit, Beteiligung und Kommunikation sowie ihren persönlichen Kontext einschätzen. Die Befragung wurde durch die Universität Würzburg in Kooperation mit dem Smarte Region Team von Stadt und Landkreis Würzburg durchgeführt. Im Erhebungszeitraum (04.03.2024 – 02.05.2024) wurden 8.000 Personen mit Haupt- oder Nebenwohnsitz in Stadt und Landkreis Würzburg ab einem Alter von 15 Jahren kontaktiert. Die Auswahl der Personen erfolgte über disproportionale Zufallsstichproben zwischen Stadt (n = 3.500) und Landkreis (n = 4.500), gezogen aus den Einwohnermelderegistern der Stadt sowie von 50 der 52 Landkreisgemeinden. Der zwölfseitige Papierfragebogen konnte entweder schriftlich ausgefüllt und kostenfrei zurückgesendet werden oder online durchgeführt werden. Von 7.821 erreichbaren Haushalten haben bis zum Ende der Feldphase insgesamt 2.396 Personen an der Befragung teilgenommen. Themen: Soziale Resilienz, Smart City, Krisen, Vorbereitung, öffentliche Dienste, digitale Angebote, Zusammengehörigkeitsgefühl, Beteiligung, Ehrenamt, Medien, Vertrauen in Institutionen, Demokratie, Soziodemographie
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.005 |
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".