Open Access

Ziel des Projektes ist es, die tatsächliche Wohnsituation von einkommensschwachen Haushalten in der Stadt Nürnberg empirisch zu erfassen. Als einkommensschwache Haushalte werden Haushalte in die Untersuchung aufgenommen, die Mindestsicherungsleistungen (MSL) beziehen sowie sogenannte Grenzhaushalte mit geringen Einkommen. Diese Haushalte werden im Rahmen der Studie hinsichtlich der aktuellen Wohnsituation untersucht, insbesondere in Hinblick auf den baulich-energetischen Sanierungszustand der Wohnung. Ferner sollte untersucht werden, ob hier mögliche Unterschiede zwischen MSL-Haushalten und „Grenzhaushalten“ existieren, um mögliche sozialpolitische Erkenntnisse ableiten zu können. Schließlich untersucht die Studie auch, inwieweit sich mögliche Sanierungsmaßnahmen auf die Wohnkosten und damit die finanzielle Gesamtbelastung der Haushalte auswirken. Methodisch wird ein Mixed-Methods-Ansatz gewählt, der drei unterschiedliche Forschungsansätze kombiniert: (1) die Durchführung von Fokusgruppen mit relevanten Akteuren aus Sozialverwaltung, Wohlfahrtspflege, Wohnungs- und Energiewirtschaft, (2) eine standardisierte Befragung von Haushalten mit Bezug von Mindestsicherungsleistungen bzw. Wohngeld und (3) eine Analyse von Erhebungsdaten aus dem kommunalen Projekt „EnergieSparProjekt (ESP)“. Die Ergebnisse der Studie liefern eine wichtige und differenzierte empirisch basierte Übersicht zu den Wohnverhältnissen einkommensschwacher Haushalte in Nürnberg, die bisher in dieser Form noch nicht vorlag.

Cleft Lip and Palate ranks among the most common congenital abnormalities and significantly influences speech articulation, resulting in varying phonemic impacts. In a clinical context, a detailed diagnosis is carried out by time-consuming perceptual evaluations. We use perceptual ratings of different articulatory modifications on phoneme-level as ground-truth and propose a system based on wav2vec 2.0, trained to the downstream task of classifying phonemic criteria as a multi-class and multi-label problem. The system is trained for detection on utterance level, without the usage of phoneme labels. To gain a clearer understanding of which areas of the speech signal have the greatest impact on classification, we assess the extent to which our system aligns with expert ratings at the phoneme level. Additionally, we examine which specific phonemes play a decisive role in determining the final classification of the labeled criteria. The results show that salient phonemes marked by experts contribute remarkably greater to the classification of the correct class using feature relevance explanation methods. To the best of our knowledge, this is the first study incorporating various utterance-level articulatory modifications classification and phoneme-level interpretation, offering a more comprehensive understanding for potential clinical applications.

Die fortschreitende Digitalisierung verändert zunehmend die Lebens- und Arbeitswelten aller Menschen, digitale Kompetenzen sind zu einem entscheidenden Faktor gesellschaftlicher Teilhabe geworden. Menschen, die nicht über die notwendige digitale Ausstattung und/oder die notwendigen Kompetenzen verfügen, drohen abgehängt zu werden. Familien in sozioökonomisch weniger privilegierten Lagen haben eine ungleich schwerere Ausgangssituation. Für (neu-)zugewanderte Menschen mit geringem Einkommen kann sich diese Disparität weiter verschärfen, wenn weitere, migrationsbedingte Hemmnisse wie etwa fehlende Sprachkenntnisse die gesellschaftliche Teilhabe zusätzlich erschweren. Das Projekt „DIGITAL IMMIGRANTS – digitale Grundbildung für sozial benachteiligte Familien mit Zuwanderungsgeschichte“, im Projektzeitraum 1.10.2020 bis 31.12.2023 gefördert durch das BAMF mit Mitteln des Bundesministeriums des Inneren und für Heimat (BMI), zielte auf die Entwicklung innovativer Vermittlungskonzepte zur digitalen Grundbildung für die spezifischen Bedarfe von Menschen mit Zuwanderungsgeschichte. Erkenntnisleitend für die wissenschaftliche Begleitung war die Frage, für welche Zielgruppe(n) mit Zuwanderungsgeschichte der Zugang zu digitaler Teilhabe besonders erschwert ist und ob und in welcher Weise die identifizierten Bedarfe durch das Projektangebot von DIGITAL IMMIGRANTS nachhaltig gedeckt werden können. Die Begleitforschung basierte auf einem multimethodischen Ansatz und einem Mix aus quantitativen und qualitativen Methoden der Sozialforschung. Sie sah eine prozessorientierte Begleitung und Optimierung der Maßnahmen, den Nachweis der Wirksamkeit des Projektes und die kooperative Gewinnung neuer Erkenntnisse vor. Die Ergebnisse der Begleitforschung belegen einen großen Bedarf an digitaler Grundbildung bei (neu-)zugewanderten Menschen mit Migrationsgeschichte in angespannten sozialen Lagen. Menschen aus besonders marginalisierten Bevölkerungsgruppen mit Zuwanderungsgeschichte verfügen über ungleich schlechtere Zugangschancen zu digitalen Informations- und Kommunikationstechnologien und über geringere digitale Kompetenzen im Vergleich zu Menschen aus sozioökonomisch besser gestellten Familien mit Zuwanderungsgeschichte. Der größte Bedarf an digitaler Grundbildung zeigte sich im Projektverlauf dabei bei erwachsenen Frauen mit Fluchtgeschichte. Die migrationsspezifischen Bedarfe der erwachsene Teilnehmer*innen lagen allen voran in den sprachlichen Herausforderungen, mit denen (Neu-)Zugewanderten konfrontiert sind. Diesen begegnete das Projekt durch eine umfassende Übersetzung der Lehr- und Lernmaterialien zur digitalen Grundbildung in Einfache deutsche Sprache – je nach Sprachlevel der Teilnehmer*innen ergänzt durch herkunftssprachliche mündliche Ausführungen der „Digi-Coaches“, also der Coaches für digitale Grundbildung, die selbst Migrationshintergrund hatten und im Rahmen des Projektes zu Digi-Coaches ausgebildet wurden. Den Coaches gelang es, sprachliche Hemmschwellen deutlich abzubauen und ein Erlernen zentraler Begriffe und Themen der digitalen Grundbildung in einer einfachen deutschen Sprache parallel zu ermöglichen. Weit über die sprachliche Vermittlung hinaus nahmen die Peer-Coaches eine wichtige Vermittlungsrolle und Vorbildfunktion für die jugendlichen und erwachsenen (neu-)zugewanderten Teilnehmer*innen ein. Weitere zielgruppenspezifische Bedarfe lagen in der Schaffung eines niedrigschwelligen, sozialraum-orientierten und einfach zugänglichen Kursangebotes, das Akteur*innen und Orte migrantischer Communities von Beginn an einbezieht und sie in ihrer Entwicklung hin zu zentralen Knotenpunkten eines kommunalen Peer-learning-Netzwerks zur digitalen Grundbildung unterstützt. Aufgrund z. T. 4 einschlägiger Diskriminierungserfahrung, die viele Teilnehmer*innen mangels deutscher Sprachkennt-nisse oder aufgrund ihrer Herkunft erlebt hatten, erwies sich die Herstellung eines angstfreien und geschützten (Lern-)Raums außerhalb formaler Lernkontexte, Zwänge und Hierarchien als weiteres entscheidendes Kriterium für die erfolgreiche Durchführung. Das durchwegs positive Feedback der Teilnehmer*innen und die hohe Verbindlichkeit, Beständigkeit und Kontinuität an der Teilnahme der Maßnahmen an Wochenenden und Abenden bzw. in den Schulferien belegten die Attraktivität und Passgenauigkeit des Angebots. Das Schulungsangebot des Projektes DIGITAL IMMIGRANTS, das gemeinsam mit den Teilnehmer*in-nen entwickelt worden ist, setzt mit seinen Basis-Modulen zur digitalen Grundbildung auf ein umfassendes Konzept von Medienkompetenz – und damit nicht nur auf die reine Bedienfähigkeit von Computern, sondern auf ein mündiges und emanzipiertes Medienhandeln von Jugendlichen und Erwachsenen. Als modulhaft konzipiertes Schulungsangebot erwies sich das außerschulische und berufsbegleitende, non-formale Fortbildungsangebot sehr gut für den Transfer in andere Kommunen bzw. zu anderen Trägern geeignet. Eine Nachhaltigkeit ist bei den Kommunen und Trägern gewährleistet, die den haupt- und ehrenamtlichen Aufwand für die erfolgreiche Implementierung und Umsetzung des Peer-learning-Netzwerks zur digitalen Grundbildung langfristig tragen und die engagierten ehrenamtlichen Akteur*innen aus den Communities adäquat unterstützen.

Data engineering is an integral part of the data science process. It comprises tasks such as data ingestion, data transformation, and data quality assurance. In order to fulfill these tasks, schema inference is an important capability. Its goal is to detect the structure of a dataset and to derive metadata on hierarchies, data types, etc. Artificial intelligence (AI) has the potential to automate schema inference and thus increase the efficiency of the data science process. However, as government institutions are subject to special regulations, explainability of AI models can be a mandatory requirement. Goal of this research protocol is to plan a systematic review of literature on schema inference for tabular data with explainable AI (XAI). This third version was derived from two earlier review protocols.