Institutionelle Kinderbetreuung in Wien: Kosten und räumliche Zugänglichkeit zu privaten und öffentlichen Einrichtungen
Bibliographic record
Abstract
Institutionelle Kinderbetreuung leistet einen wichtigen Beitrag zur frühkindlichen Entwicklung und trägt, wenn sie qualitativ hochwertig und flächendeckend angeboten wird, zum Abbau sozialer Ungleichheit bei. Für Wien zeigt sich jedoch, dass für Kinder, die in einem »reicheren« Wohnviertel aufwachsen, mehr Kindergartenplätze in räumlicher Nähe zur Verfügung stehen als für Kinder in »ärmeren« Wohnvierteln. Der Beitrag stellt dar, wie sich öffentliche und verschiedene private Kindergärten und -krippen in Wien bezüglich ihrer räumlichen Zugänglichkeit unterscheiden. Weiters wird untersucht, wie Betreiber von Kinderbetreuungseinrichtungen hinsichtlich ihrer Preissetzung und anderer Strukturmerkmale – etwa Öffnungszeiten – voneinander abweichen. Die Analyse basiert auf Daten über die räumliche Lage und verschiedene Strukturmerkmale von Kinderbetreuungseinrichtungen in Wien. Wir finden, dass die höhere Zugänglichkeit zu Kinderbetreuung in »reicheren« Wohnvierteln fast ausschließlich durch das Angebot der Gruppe der meist kleineren, gemeinnützigen privaten Betreiber entsteht. Das lässt sich v. a. dadurch erklären, dass sie dort auf höhere Geld- und Zeitressourcen der Eltern treffen. Aus Sicht der Kindergartenbetreiber scheint es, dass die öffentlichen Förderungen nicht ausreichen, um Kinderbetreuung in der gewünschten Qualität zur Verfügung zu stellen.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".