Innvandrernes fordeling og sammensetning på kommunenivå
Bibliographic record
Abstract
De store endringene i innvandringens omfang og sammensetning de siste årene,\nsærlig etter EØS-utvidelsen i 2004, har fått stor oppmerksomhet. Samtidig har det\nskjedd betydelige endringer i innvandrernes regionale fordeling i Norge som ikke\nhar fått like mye omtale. I denne rapporten har vi ved hjelp av kommunekart\nbeskrevet de regionaldemografiske sidene ved innvandringen de seneste årene, og\nde demografiske konsekvensene av innvandringen på kommunenivå.\nInnvandrere og norskfødte med innvandrerforeldre utgjorde 13,1 prosent av\nbefolkningen i Norge ved inngangen til 2012. Bare 43 kommuner har større andel\nenn 13,1 prosent. Blant disse er Oslo (på topp med 29,6 prosent) og mange av\nnabokommunene. Fylkenes innvandrerandeler varierer mellom knapt 6 og Oslos 30\nprosent. Innvandrere som kommer fra EØS er jevnere fordelt mellom kommunene\nenn innvandrere fra det vi kaller Afrika og Asia etc. (Afrika, Asia, Latin-Amerika,\nOseania utenom Australia og New Zealand, og Europa utenom EU/EØS). Alle\nkommuner har innvandrere både fra EU/EØS-land, USA, Canada, Australia og\nNew Zealand, kalt EØS etc. og fra Afrika, Asia etc.\nI 2003 var Oslo og noen nabokommuner mot vest og sør blant de ti kommunene\nhvor det vi den gang kalte vestlige innvandrere utgjorde høyest andel av folketallet.\nDe kommunene her som hadde høyest andel i 2003 finner vi nå mellom rangnummer 20 og 50 i 2012. Dette er en av de store, og kanskje litt lite påaktede\nendringene i innvandringens fordeling det siste tiåret.\nI de fleste fylkene er det færre fra EØS etc. enn fra resten av verden, men på\nVestlandet er andelen ganske lik, og det er flertall fra EØS etc. i Sogn og Fjordane\nog Møre og Romsdal. Dette er også noe nytt. Ved inngangen til 2006 utgjorde de\nfra EØS etc. 33 prosent av alle innvandrere og norskfødte med innvandrerforeldre,\ni 2012 var andelen steget til 41,5 prosent. Lavest andel fra EØS etc. hadde Oslo.\n\nHvert år fra 2006 har opphold på grunnlag av ”Arbeid” vært den største innvandringsgrunnen, med ”Familie” som den andre store gruppen. Arbeid har hatt\nsterk økning etter EU-utvidelsen i 2004, i takt med etterspørselen etter utenlandsk\narbeidskraft. Den største andel arbeidsinnvandrere i befolkningen finner vi i mange\nsmå fiskerikommuner, og sentralt i Rogaland. Osloregionen har også høy andel.\nRelativt flest flyktninger finner vi i noen spredte småkommuner, og i Oslo,\nØstfoldbyene og i Vest-Agder. Av Norges 429 kommuner, er det 93 uten\nflyktninger. I 2012 var det 25 prosent flere innvandrere i Norge med oppholdsgrunnlag knyttet til arbeid enn knyttet til flukt og beskyttelse.\nSiden det er flere innvandrere fra Polen (72 000 innvandrere og norskfødte med\ninnvandrerforeldre) enn fra noe annet land, er det naturlig at denne gruppen er den\nstørste i mange kommuner (211 av 429) og i hele 16 fylker i 2012. Tyskland og\nLitauen er størst i om lag 40 kommuner hver, mens pakistanere er største gruppe\nbare i tre kommuner og ett fylke. Land i Afrika, Asia etc. er største innvandrerland\ni 74 kommuner, mot 200 i 1998.\nI 1998 var det mange færre bosatte innvandrere, og det var ingen gruppe som\ndominerte slik de fra EØS gjør nå. Danmark og Bosnia-Hercegovina var størst i\nflest kommuner, henholdsvis i 91 og 83. Da var det ni ulike land som var størst i et\nfylke. Flyktningeland var størst i vel 180 kommuner i 1998, bare i 51 i 2012. Om vi\nslår land sammen til større regioner, er det de europeiske regionene som dominerer\ni flest kommuner i 2012. I fire fylker er det flere fra Afrika enn fra noen annen\nregion, men de er flest i bare 37 kommuner.\nDe senere årene har innvandring betydd mye for veksten i folketallet i landet, og i\nmange kommuner. Uten netto innvandring ville det blitt 137 flere kommuner med\nnedgang i folketallet 2008-2011, i tillegg til de 122 kommunene som hadde\nnedgang til tross for en viss nettoinnvandring.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.014 | 0.006 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.227 | 0.115 |
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".