Rechte Proteste erforschen: Erfahrungen und Reflexionen aus der qualitativen und quantitativen Forschung
Bibliographic record
Abstract
Die Bewegungswissenschaften haben in der Bundesrepublik Deutschland ihren Ursprung in der Beforschung Neuer Sozialer Bewegungen. Unter anderem auch deshalb blieben rechte Protestmobilisierungen aus der Perspektive der deutschen Movement Studies lange unerforscht. Das änderte sich mit den rassisti-schen Ausschreitungen Anfang der 1990er Jahre als eine Debatte darüber entbrannte, ob die (extreme) Rechte nicht auch als eine Bewe-gung aufzufassen sei. Spätestens seit Anfang der Nullerjahre besteht zwar ein Konsens dar-über, das dem so ist. Doch führte dies nicht dazu, das Nischendasein der bewegungswissen-schaftlichen Beschäftigung mit rechten Ak-teur*innen aufzulösen. \nIm Nachgang des durch die Dresdner Pegida-Demonstrationen initiierten rechten Protest-zyklus (seit Ende 2014) ändert sich dies. Seit-dem rückt der Fokus verstärkt darauf, wie rechte Bewegungen methodisch angemessen zu beforschen sind. So hat Pegida offengelegt, dass das methodische Instrumentarium der Be-wegungsforschung bei seiner Anwendung im rechten Mobilisierungskontext schnell an Gren-zen stößt, was zuletzt auch forschungsethische Fragen einschließt. \nDie hier versammelten Beiträge greifen diese Forschungslücke und Problemlage auf: Sie beleuchten jeweils an konkret durchgeführten Studien im rechten Protestmilieu wie quali-tative und quantitative Methoden eingesetzt werden können und diskutieren sowohl
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.006 |
| Science and technology studies | 0.029 | 0.017 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.016 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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; both teacher heads agree on what is shown here.
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".