Diffuse diversity: Migration in individual perceptions and categorisations
Bibliographic record
Abstract
Menschen nehmen permanent alltägliche Ordnungsleistungen<br>vor. Unter anderem differenzieren und kategorisieren sie die sie umgebenden Men-<br>schen. Welche Bedeutung solche alltagsweltlichen Differenzierungen haben, ist bis-<br>lang unzureichend untersucht. Dieser Beitrag zeigt, dass eine Analyse subjektiver<br>Wahrnehmungen und Beschreibungen, hier der Wohnumgebung, aufschlussreich<br>ist für ein Verständnis von Einstellungen zu Vielfalt und Migration. Zugrunde<br>liegen umfangreiche Befragungen aus den Jahren 2010 und 2019/20, deren Daten<br>eine Kombination von quantitativen und qualitativen Analysen erlauben. Unter-<br>sucht wird, wie sich die gewachsene gesellschaftliche Vielfalt in Wahrnehmungen<br>der Bevölkerung im Wohnumfeld spiegelt. Migrationsbezogene Differenzierungen<br>stehen im Vordergrund, aber durchaus neben anderen Aspekten von Vielfalt.<br>Wo Migration salient ist, korreliert dies nicht mit bestimmten Bewertungen der<br>Vielfalt. Analysen, die in Einstellungen zur Politik einen Zusammenhang von<br>Salienz und negativen Dispositionen zeigen, sollten offenbar nicht verallgemeinert<br>werden. Auch die Begriffe, mit denen migrationsbezogene Differenz beschrieben<br>wird, sagen wenig aus über eine Akzeptanz von Vielfalt und Teilhabe. Solche „sym-<br>bolic boundaries“ bleiben überraschend uneindeutig. Die Analysen zeigen das Bild<br>einer „diffusen Vielfalt“ in den Wahrnehmungen, in denen scharfe Grenzziehungen<br>an Relevanz verlieren. Die Befunde sind relevant im Hinblick auf die Analyse<br>alltagsweltlicher Wahrnehmungen und Kategorisierungen, die Analyse symbolischer<br>Grenzziehungen und für die Bewertung einer Salienz von Migration. Sie sind zudem aufschlussreich bezüglich möglicher Entwicklungen des Selbstbewusstseins<br>einer vielfältigen Gesellschaft.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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; a candidate call from one teacher head, 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".