Integration von Mobilitäts-, Verkehrs- und Regionaldaten zur Analyse von Bildungs- und Karriereentscheidungen
Dennis Oliver Kubitza
Die Anreicherung von Individualdaten mit zusätzlichen kontextbezogenen regionalen Informationen beschränkt sich oftmals auf Daten, die über einen großen Zeitraum und Regionalkontext aggregiert sind, wie z.B. das Pendlersaldo oder die Arbeitslosenquote. Technologisch ist aber es bereits möglich, genauere und granulärer Daten für wissenschaftliche Fragestellungen zu verwenden: Fahrpläne, Verkehrswarnungen, Pendelaufkommen und damit auch die Erreichbarkeit von lokaler Infrastruktur wie Schulen oder Universitäten in Städten und ganzen Regionen.
Fast jeder kommerzielle Anbieter von Echtzeitdaten stellt sogenannte Online „Application Programming Interfaces (API)“ bereit, mit denen es möglich ist, solche aktuellen Informationen für regionale Kontexte abzufragen. Durch automatisierte und teilautomatisierte Abfragen dieser Quellen können die Mobilitätsmöglichkeiten für Einzelpersonen in bestimmten Regionen präziser dargestellt werden; insbesondere die Dimension der Erreichbarkeit von Infrastruktur findet Anwendung in bestehenden Erhebungsdaten.
Gegenstand des vorliegenden Promotionsvorhabens ist die Nutzung von API-basierten Geo- und Mobilitätsinformationen, um Auswirkungen regionaler Infrastruktur auf Bildungsentscheidungen und Arbeitsmarktchancen spezieller Gruppen zu untersuchen. Ziel ist es nicht nur, Analysen unter Verwendung mehrerer integrierter Datensätze aus Erhebungs-, API und Infrastrukturdaten zu berechnen, sondern auch die Anwendbarkeit relevanter Verfahren für das Mining und die Einbeziehung dieser bereichsübergreifenden Datenquellen in den Sozialwissenschaften auszuloten.
Gerade im Hinblick auf den Beruf und Bildungsentscheidungen von jungen Menschen, ist eine starke Abhängigkeit vom Regionalkontext zu erwarten, insbesondere für Jugendliche aus einkommensschwachen oder bildungsfernen Familien. Diese Ausgangshypothese soll dabei im ersten Schritt überprüft werden. Dazu betrachten wir individuelle Bildungsentscheidungen und verlinken diese mit hypothetischen Pendelzeiten zwischen Wohnsitz und Bildungsstätten via verschiedener Verkehrsmodi (Fahrrad, ÖPNV, Auto).