Gesellschaft, Sprache, Religion
Bibliographic record
Abstract
Durch die zunehmende Mobilität der Menschen nimmt auch die sprachliche, kulturelle und religiöse Vielfalt der Gesellschaft zu. Dies gilt auch für Regionen, die seit Jahrhunderten Heimat von Menschen unterschiedlicher Kulturen und Sprachen sind, wie etwa Südtirol, Katalonien, Schottland, das Baskenland oder Quebec. Hier bringt das Zusammenleben zwischen „historischen” Minderheiten und Menschen mit Migrationshintergrund oft besondere Herausforderungen mit sich, wobei viele Faktoren eine Rolle spielen können, etwa der Grad der politischen Autonomie einer Region oder die Bedeutung von Sprache und Kultur in der Definition der Minderheitenidentität.1 So kann es dazu kommen, dass Migration von einigen Mitgliedern der historischen Minderheiten aus unterschiedlichsten Gründen als Gefahr wahrgenommen wird: Zum Beispiel tendieren zugewanderte Menschen häufig dazu, die Nationalsprache schneller zu erlernen als die Minderheitensprache, da die Kenntnis der Nationalsprache oft soziale und wirtschaftliche Vorteile verspricht. Minderheiten befürchten, dass dadurch ihr Anteil an der Gesamtbevölkerung abnehmen könnte und sie politisch, aber auch wirtschaftlich und gesellschaftlich, an Einfluss verlieren. Doch ist das Verhältnis zwischen alten und neuen Minderheiten nicht grundsätzlich von Spannungen und Konflikt gekennzeichnet. Viele historische Minderheiten – von Quebec bis Schottland und Katalonien – sind Migration gegenüber positiv eingestellt, fördern den Erhalt von Kultur und Sprache der neuen Bürgerinnen und Bürger und streben eine inklusive Gesellschaft an. Vielfalt, egal ob alt oder neu, wird dadurch ein wichtiger Baustein von Innovation und Entwicklung einer Gesellschaft im steten Wandel.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.012 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.033 | 0.006 |
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".