Data-driven network modeling of occupation mobility networks

In der heutigen Gesellschaft existieren nach wie vor eine Vielzahl struktureller Hindernisse für Personen aus sozial benachteiligten Schichten. In ökonomisch schwierigen Zeiten wie den heutigen, in denen es von wesentlicher Bedeutung ist, eine gut bezahlte und sichere Anstellung zu finden, ist es von besonderer Relevanz, die Ursachen für die bestehenden Ungleichheiten auf dem Arbeitsmarkt zu erfassen und zu verstehen. Die vorliegende Arbeit untersucht den Einfluss soziodemografischer Merkmale wie Alter, Geschlecht und Migrationshintergrund auf die berufliche Aufwärtsmobilität.Die vorliegende Arbeit stützt sich auf die österreichischen Mikrozensusdaten der Jahre 2011 bis 2022 und bedient sich dabei netzwerkbasierter Methoden, zu denen Simulationen mit kürzesten Wegen, Zufallsbewegungen und Markov-Bewegungen zählen, welche aus der Graphentheorie und Datenwissenschaft bekannt sind. Die Methoden werden adaptiert und evaluiert, um die berufliche Aufwärtsmobilität für acht soziale Gruppen zu erfassen, die Personen mit unterschiedlichen soziodemografischen Merkmalen repräsentieren. Die Validität der adaptierten Metriken wird durch den Vergleich mit etablierten Metriken, darunter der Gini-Koeffizient und eine adaptierte Version des durchschnittlichen Clustering-Koeffizienten, nachgewiesen. Die Ergebnisse dieser Arbeit zeigen erhebliche Unterschiede in Bezug auf Alter und Geschlecht. Diese Ergebnisse bestätigen die etablierten gesellschaftlichen Ungleichheiten auf dem Arbeitsmarkt und bieten gleichzeitig eine intuitivere Perspektive als die üblicherweise verwendeten abstrakten statistischen Werte, da sie die Analyse direkt mit realistischen Szenarien verknüpfen. Der in dieser Arbeit entwickelte Ansatz hat das Potenzial, zukünftige Analysen zu unterstützen und zur Entwicklung eines gerechteren Arbeitsmarktes beizutragen.