Inequalitrees - A Novel Look at Socio-Economic Inequalities using Machine Learning Techniques and Integrated Data Sources

Fragestellung und Ziele des Projekts

Dieses Forschungsprojekt untersucht das Ausmaß und die wesentlichen Treiber von zwei zentralen Erscheinungsformen sozioökonomischer Ungleichheit, Armut und Chancenungleichheit, im Rahmen eines multidimensionalen, interdisziplinären und länderübergreifenden Ansatzes. Gemeinsam mit dem Deutschen Zentrum für Luft- und Raumfahrt (DLR) und Forscher*innen aus Italien, Indien und Bolivien soll das Ausmaß von Chancenungleichheit und Armut in den Bereichen Bildung, Einkommen und Gesundheit in den ausgewählten Ländern untersucht werden. Ein besonderer Fokus liegt dabei auf der räumlichen Verteilung von Chancenungleichheit und Armut innerhalb dieser Länder. Im Rahmen des Projekts wird dabei auch der Frage nachgegangen, welche kontextuellen und institutionellen Merkmale die räumliche Verteilung sozioökonomischer Ungleichheiten beeinflussen.

Methodische Vorgehensweise

Aus methodischer Sicht wird das Projekt untersuchen, inwiefern Machine Learning Methoden dazu geeignet sind, Armut und Chancengerechtigkeit sowohl kleinräumig als auch länderübergreifend zu messen. Dabei sollen Machine Learning Methoden insbesondere genutzt werden, um Daten aus verschiedenen Quellen zu integrieren, Informationen aus nicht standardisierten Datenquellen, insbesondere Satellitenbildern, zu extrahieren und um Maße für Chancengerechtigkeit und Armut zu schätzen.

Datenquellen

Als Datengrundlage dienen sowohl administrative als auch Umfragedaten, kombiniert mit Satellitendaten und weiteren Geodaten.

Ergebnisse

Die Ergebnisse dieses Forschungsvorhabens werden auf einer eigens eingerichteten Website kommuniziert.