Soziologische Perspektiven auf die Corona-Krise – coronasoziologie.blog.wzb.eu

Transkript: Lena Hipp und Markus Konrad: Geschlechtereffekte der COVID-19-Pandemie: Empirische Evidenz zu geschlechtsspezifischen Produktivitätseffekten bei Open-Source-Softwareprojekten aus 37 Ländern

ACHTUNG: Das Transkript wird automatisch durch wit.ai erstellt und aus zeitlichen Gründen NICHT korrigiert. Fehler bitten wir deshalb zu entschuldigen.


Sandra Leumann
Damit herzlich willkommen zur neuen Ausgabe unseres Podcasts zur soziologischen Perspektiven auf die Coronakrise. Mein Name ist Sandra Leumann. Ich bin wissenschaftliche Mitarbeiterin.
Zentrum Berlin für Sozialforschung. Am siebten Juli zweitausendeinundzwanzig hielten Lena Hipp und Markus Conrad einen Vortrag mit dem Titel Geschlechtereffekte der Covid-Neunzehn-Pandemie.
Empirische Evidenz zu geschlechtsspezifischen Produktivitätseffekten, bei Open Sour Softwareprojekten aus siebenunddreißig Ländern.
In ihrer Arbeit untersuchen sie die Auswirkungen der Covid-Neunzehn-Pandemie auf die Produktivität von männlichen und weiblichen Softwareentwicklern in siebenunddreißig Ländern. Während der ersten Pandemiewelle zweitausendzwanzig.
Hierzu kombinieren sie Daten der Softwareentwicklungsplattform GITAP mit länderspezifischen Informationen über Lockdown-Intensitäten.
Lena Hipp ist Professorin für Sozialstrukturanalyse an der Universität Potsdam und leitet die Forschungsgruppe Arbeit und Fürsorge am WZB.
Zu ihren Forschungsschwerpunkten gehören unter anderem die Themen Geschlecht und Familie, sowie Wohlfallsstaat und soziale Ungleichheit.
Markus Conrad ist als Data Scientest am WZB tätig. Seine Arbeitsschwerpunkte liegen in den Bereichen Textmining, quantitativen Textanalysen.
Markus Konrad
Ja, schönen guten Tag und vielen Dank für die Einladung und die Möglichkeit, dass wir hier unsere Arbeit präsentieren dürfen in unserem Vortrag.
Geht es heute um die Frage, wie sich die Covid-Neunzehn-Pandemie auf geschlechtliche Arbeitsmarkt Ungleichheiten auswirkt. Wie haben sich.
Insbesondere Schul- und Kita-Schließungen, Kurzarbeit und Betriebsschließungen sowie neue Möglichkeiten mobil zu arbeiten, unterschiedlich auf Männer und Frauen ausgewirkt.
Dazu haben wir in Deutschland sowohl in der Wissenschaft, aber auch in Politik und Medien eine große Debatte.
Das sieht man hier exemplarisch an äh diesen Überschriften aus der FAZ.
Mittlerweile ähm gibt es eine ganze Reihe von Ergebnissen, die auf Befragungsdaten aus der ersten Corona-Welle stammen und die zeigen, dass sowohl Väter als auch Mütter mehr Zeit auf Betreuungsaufgaben verwandt haben.
Dies in der Zeit vor der Pandemie der Fall gewesen ist. Allerdings muss man dabei im Kopf haben, dass Mutter vor der Pandemie bereits den Löwenanteil geschuldet haben.
Außerdem gibt es Ergebnisse, die zeigen, dass Frauen insbesondere Mütter in stärkerem Maße als Männer weniger oder gar nicht mehr gearbeitet haben.
Mit unserem Projekt wollen wir die bislang vorliegenden Ergebnisse aus Befragungsdaten mit Ergebnissen aus Beobachtungsdaten ergänzen.
Wir haben uns dafür Daten von Gitthup angeschaut.
Gitarb ist die weltgrößte Social Coding Plattform ähm mit über fünfundsechzig Millionen Accounts und über zweihundert Millionen Projekten, an denen äh mittels dieser Plattform oder auf dieser Plattform.
Gearbeitet wird.
Hier finden sich äh Softwareentwickler innen zusammen, um gemeinsam oder auch allein an Softwareprojekten zu arbeiten. Diese Software liegt in sogenannten Repositorien.
Ähm sieht man auf den Folien mal ein Screenshot von so einem Repositorium als Beispiel und ähm EntwicklerInnen laden ihre Beiträge dann in solche Repositorien und diese Beiträge.
Bilden im Grunde genommen das Kondensat ihrer Arbeit. Daran lässt sich dann ganz gut die Produktivität abmessen, inklusive deren zeitliche Veränderung.
Denn für jeden Account erfasst Gittap auch, wie viele Beiträge pro Tag geleistet wurden, als äh eine Art Aktivitätsstatistik.
Hier ähm sieht man auf der Folie wieder einen äh rot umrandet äh so eine Aktivitätsstatistik.
Und man erkennt, dass hier für jeden Tag erfasst wird, wie viele Beiträge in Repositorien auf Gitarre geladen wurden von einem bestimmten Nutzer oder Nutzerin.
Und ähm man sieht diese äh als unterschiedlich eingefärbte Quadrate hier.
Da ähm dahinter verbergen sich aber konkrete Zahlen.
Diese öffentlich verfügbaren Beobachtungsdaten haben wir bezogen und und analysiert, genauer gesagt, haben wir eine Stichprobe von über hundertsechsundzwanzigtausend Accounts aus siebenunddreißig Ländern, inklusive der.
Aktivitätsstatistik ähm zwischen Januar zwotausendvierzehn und Ende Juli zwanzig zwanzig erfasst.
Das Land wurde dabei anhand der freiwilligen Ortsangabe im Profil bestimmt. Das haben wir mittels Coding ähm mit Google Maps gemacht.
Und das Geschlecht wurde anhand der freiwilligen Namensangabe bestimmt.
Hierzu haben wir den Dienst Genderis Punkt ARO verwendet. Der erlaubt ist, die Ermittlungen oder die die Schätzung ähm des äh des Geschlechts anhand.
Vornamens und optional des Landes und man bekommt dann auch eine Wahrscheinlichkeitswert bezüglich der Korrektheit dieser Schätzung. Wir haben dann jeweils nur.
Uns die eindeutigen Ergebnisse angeschaut.
Die Anzahl der Beiträge umfasst an öffentliche wie auch nicht öffentlichere Prosiktorien sowie professionelle und Hobbyprojekte.
Lässt sich leider nicht unterscheiden, ist in diesem Zusammenhang aber auch nicht so schlimm, denn Gitarp ähm oder das Gitterprofil gilt.
Mittlerweile als das Aushängeschild oder ein Aushängeschild in der Softwarebranche und.
Mittlerweile auch in manchen Wissenschaftsdisziplinen. Das heißt, wer auf GITAP aktiver ist, hat einen Vorteil auf dem Jobmarkt.
Insofern ist es interessant auf Geschlechterunterschiede zu schauen und wie diese sich während der Pandemie entwickelt haben.
Dabei muss man konstatieren, dass die Softwarebranche an sich schon sehr männerdominiert ist und das zeigt sich auch im Geschlechterverhältnis bei den Gitter-Accounts. Nur etwa acht Prozent der Accounts in unserem Sample sind von Frauen.
Dieser Anteil deckt sich auch mit gängigen Umfragedaten beispielsweise die jährlichen Umfragen.
Daraus wissen wir auch, dass äh SoftwareentwicklerInnen tendenziell jung und kinderlos sind.
Anhand individueller Aktivitätsdaten ähm wurden dann akkrediierte Daten errechnet. Das heißt.
Wir haben die durchschnittliche Anzahl der Beiträge pro Land und Geschlecht für jede Woche im Beobachtungszeitraum bestimmt.
Und das ist unsere Abroximation für die durchschnittliche Produktivität weiblicher und männlicher User über den Zeitverlauf.
Hier ist das mal für die USA beispielhaft abgebildet in der Grafik.
Hier sieht man die Aktivität vor Corona, für Männer in orange und Frauen in grün.
Man sieht auch, dass Frauen im Mittel weniger wöchentliche Beiträge als Männer auf Gitarb leisten.
Hier in den USA und ähm wie Lena Hipp dann später zeigen wird.
Ähm ist diese wird diese Diskrepanz durch Corona oder während der Coronapendamie teilweise noch äh verstärkt.
Man sieht auch gut, ähm saisonale Effekte hier in den typischen Dellen, in der Aktivität um Weihnachten, Neujahr und in der Sommerzeit.
Aus den Akgregierten Daten wurde dann ein Kontrafaktisches Szenario errechnet, das heißt ein Szenario, was mehrere, wenn es keine Pandemie gegeben hätte.
Das haben wir mittels Zeitreihenvorhersage äh gemacht. Dazu wurden Hold Winters Zeitreinmodelle.
Pro Land und Geschlecht trainiert mit Daten bis zur Einführung erster Anti-Corona-Maßnahmen in den jeweiligen Ländern. Das ist äh meistens zwischen Januar und April zwanzig zwanzig.
Ähm in den Ländern passiert.
Und ab da wurde dann ein ähm wurde dann eine Prognose, diese Zeitreihenmodelle vorgenommen.
Für je nach Land zwanzig bis achtundzwanzig Wochen bis Ende Juli zwanzig zwanzig.
Das ergibt dann die erwartete durchschnittliche Anzahl der wöchentlichen Beiträge, wenn es kein Corona gegeben hätte. Und an dieser Stelle übergebe ich dann gern an Lena Hepp.
Lena Hipp
Genau und wie das aussieht, sehen sie auf dieser Folie in orange des ähm vorhergesagte Modell, was wir geschätzt haben und in grün
tatsächliche Produktivität, also die durchschnittliche äh Anzahl der wöchentlichen Comics
pro Geschlecht ähm und Land. Also wir haben links die Frauen und rechts die Männer in Deutschland, Italien, Spanien
und dem Vereinigten Königreich und das sind die vier Länder, die wir ihnen jetzt zeigen. Es gibt aber diese genau diese Abbildung noch für die dreiunddreißig weiteren Länder in unserem Sample
der gestrichelten Linie ist abgetragen.
Der Ausbruch der Covid-Pandemie im jeweiligen Land. Das unterscheidet sich jetzt hier nicht so stark. Äh
Wir sind innerhalb ähm Europas, wenn wir denn Spanien, äh wenn wir da noch ähm China dazu nehmen, sozusagen haben wir einen früheren Beginn. Wir haben den Beginn.
Mit dem Datum, wo zum ersten Mal eine Eindämmungsmaßnahme implementiert wurde, also wo es beispielsweise Betriebsspießungen oder äh Schulschließungen gab
So und was sie jetzt hier ähm sehen, sage ich jetzt vor allen Dingen auch für diejenigen, die nur mithören können, ist, wenn man jetzt erst mal die Männer anschauen, dass dieses Vorhersage-Modell
sehr gut funktioniert für die Männer. Also unsere Vorhersage liegt ziemlich deckungsgleich ähm auf der tatsächlichen ähm Anzahl der durchschnittlichen, wöchentlichen Comics. Also die beiden Linien überlagern sich und das ist ein gutes Zeichen. Von daher können wir sehr zuversichtlich sein, dass was ähm alles ist, was rechts
der gestrichelten Linie ähm ist ähm ganz gut Aufschluss darüber gibt, was wäre passiert ähm hätte Corona nicht stattgefunden. Da sehen wir das in Deutschland, aber auch in den anderen ähm der drei weiteren Länder, die hier abgetragen sind
produktivität der Männer
unter der tatsächlichen Produktivität ähm gelegen hätte. Also Corona hat bei den männlichen Softwareentwickler zu einem Produktivitäts
Anstieg geführt.
Auf die linke Seite der Abbildung zu den Frauen, dann sieht das Ganze schon ein bisschen wilder aus. Markus Konrad hat gerade schon gesagt, es gibt deutlich weniger weibliche Softwareentwicklerinnen als männliche und aus diesem Grund haben wir es bei den Frauen einfach schon
geringeren zu tun, also unser Vorhersagemodell funktioniert nicht ganz so gut für die Frauen, wie es eben für die Männer funktioniert.
Nichtsdestotrotz sehen wir ein paar Unterschiede und ähm Unterschiede ganz unterschiedlicher Art, blicken wir nach Spanien
sehen wir, dass die äh vorhergesagte Produktivität in Orange
unter der tatsächlichen liegt ähm bei den bei den Frauen, ähnlich wie es bei den Männern auch der Fall gewesen ist, nur auf einem niedrigeren Niveau. In Italien hingegen sehen wir vor allen Dingen, als es in Italien richtig äh schlimm geworden ist, ähm April, äh Mai, da liegt die vorhergesagte
Produktivität in Orange
überhalb der tatsächlichen Produktivität. Deutschland ähm und auch ähm UK ist das Muster weniger eindeutig. Das hat ähm kann mehrere Gründe haben. Entweder gibt es keine wirklichen Unterschiede zwischen vorhergesagter und tatsächlicher Produktivität
oder die Samplesite sind zu klein, darum erheben wir jetzt grade nochmal Daten nach, um hier bessere Schätzwerte zu
reden. Nichtsdestotrotz, wenn wir uns mal das substanielle, wie man das substantiellen Befund anguckt, bei den Männern liegt die Produktivität höher, ähm als erwartet, bei den Frauen, mal höher, mal niedriger, stellt sich natürlich die Frage,
wodurch lässt sich das erklären? Und dieses Muster, was wir Ihnen jetzt hier für die vier ausgewählten Länder zeigen, dass.
Ist ähm auch was, was man in den anderen dreiunddreißig Ländern findet, also mit ganz wenigen Ausnahmen liegt die Produktivität der Männer deutlich über der Vorhersage und bei den Frauen variiert es ähm ziemlich wild.
Wir haben darum
die Differenz zwischen der vorhergesagten und der tatsächlichen Produktivität als abhängige Variable genommen in einem Effekt ähm Modell.
Haben äh in diesem Modell als Haupt äh Vorhersage variabel, als hauptunabhängige Variable. Die Stringgenz von länderspezifischen Lockdown
mit aufgenommen und die Information darüber
in welchem Land, in welcher Woche die Schulen geschlossen waren, Betriebsschließungen, empfohlen wurden oder wo es gar keine Ausnahmen gab, wo es Ausgangssperren gab. Das haben wir dem ähm Oxford Govermet.
Sponse ähm äh Tracker entnommen und das sind
öffentlich zugängliche Daten. Was ich Ihnen folgenden zeige, sind zunächst mal die Haupteffekte dieses Twoay-Fix-Defekts-Modell und dann zeige ich Ihnen noch ähm äh Länderspezifische Interaktionseffekte.
Wir haben jeweils getrennte Modelle geschätzt für Männer und Frauen und wenn wir uns jetzt erstmal das leere Modell angucken, also
nur mit den Ländern und mit den Country-Dummys, dann sehen wir, was wir auch schon davor ähm äh deskritiv gesehen haben
bei den Männern, aber auch bei den Frauen, wenn jetzt alle Länder drin sind, dass die vorhergesagte Produktivität über.
Unterhalb der tatsächlichen liegt, also dass die Produktivität höher war als.
Erwartet. Wir sehen allerdings auch, das ist Konfedenzintervall, also die Unsicherheit um diesen äh Punktschätzer bei den Frauen deutlich größer ist ähm als bei den Männern.
Spiegelt wieder, was wir deskrektiv gesehen haben, also das ist bei den Frauen der größere Unterschiede gegeben hat. Wenn wir jetzt den.
Ein Maß nehmen, was die ähm Stärke der Lockdownmaßnahmen insgesamt ähm äh beschreibt, dann sehen wir, dass
Je stärker der Lockdown war, also desto weniger die Leute rausgehen durften, desto eher Betriebe geschlossen wurden
mehr stieg die Produktivität bei den Männern an, bei den Frauen auch, aber hier auch wieder eine deutlich große Varianz um den Punktschätzer und auch der Mittelwert.
Bisschen kleiner.
Frage, die sich natürlich insbesondere stellt und auch wenn äh Softwareentwickler tendenziell eher jung sind und tendenziell eher kinderlos sind, ist natürlich die Frage, ähm
was ist jetzt gerade mit den Schulschließungen? Also die Maßnahme, die wir natürlich in Deutschland auch besonders stark äh diskutiert haben, als es um die schlechter Effekte ging
geht und da sehen wir, wenn die Schulen geschlossen sind oder geschlossen waren, stieg die Produktivität der Männer im Durchschnitt über alle Länder an.
Frauen ist es nicht der Fall. Der Koeffizient ist negativ, aber auch nicht äh signifikant und sie sehen hier wieder einen ganz
großes äh Konfidenz-Intervall
wir jetzt zu den Modellen wo wir Interaktionseffekte mit den Länder geschätzt haben können wir gucken
sehen, wie haben sich denn die Lockdownmaßen in den einzelnen Ländern ähm ausgewirkt, zunächst die Schulschließung, äh Schließung von Arbeitsplätzen und Ausgangssperren, die es in einigen Ländern auch noch zeitweise auch in Deutschland ja
gegeben hat, dann können wir zunächst einmal sehen, dass in Italien beispielsweise, ähm wenn man von.
Schulschließung oder nur Empfehlung zur Schulschließung, zu tatsächlichen Schulschließungen gegangen ist, ist die Produktivität der weiblichen Entwicklerinnen im Schnitt
um sieben Prozentpunkte gesunken
in Irland interessanterweise, aber auch in Spanien und Großbritannien ist sie angestiegen in ihr Land, fast um neun Prozentpunkte. In Deutschland sind wir auch im Negativen äh Koeffizienten, für die Frauen, jeweils in ähm.
Rote, orange und einen positiven allerdings auch klein. Effekt bei den Männern. Und ähm
ähnlich äh uneindeutige und sehr länderabhängige Muster sehen wir auch bei den anderen Lockdownmaßnahmen.
Was lernen wir also aus diesen Daten, die natürlich irgendwie speziell sind und Softwareentwickler sind ja spezielle ähm Population.
Was wir sehen, ist auf jeden Fall, dass es Produktivitätsanstiege
bei den Männern in fast allen Ländern, bei den Frauen in manchen Ländern. Allerdings sehen wir auch, dass in Mittel die Anstiege, die Produktivitätsanstiege bei den Frauen deutlich
was darauf ließen lässt
man genau, arbeitet zu Hause, hat ähm mehr Zeit, durchwegfallende ähm Arbeits äh Wege, man ähm kann nicht mehr ausgehen und so weiter, dann verbringt man mehr Zeit vorm Computer und hat mehr Zeit äh fürs Programmieren. Und diese
Unterschiede, sowohl zwischen den Ländern als auch zwischen den Geschlechtern, die sind tatsächlich zum Teil durch die Lockdown-Maßnahmen
erklärbar, aber wir haben eine extrem große Varianz äh bei den Frauen
und trotz aller Datenlimitationen, die wir mit diesen Beobachtungsdaten haben, also wir wissen, wir
wirklich nicht, ob der einzelne die einzelne Entwicklerin, Kinder hat oder nicht, wir wissen das noch nicht mal sicher, äh wie hoch der Anteil ähm der Männer und Frauen sind, die in den einzelnen Ländern ähm Betreuungspflichten haben
können wir anhand dieser äh Daten trotzdem Hinweise darauf
finden, dass sich Corona tatsächlich geschlechtsspezifisch auf ähm Arbeitsmarkterträge
in diesem Fall ähm die Produktivität bei Entwicklerinnen und Entwicklern ähm auswirkt.
Es ist, was wir ihnen präsentieren oder präsentiert haben, ist Work äh in unsere Daten und unsere Analyse-Fights sind äh öffentlich zugänglich über ein Gitter äh und es gibt auch ein working paper dazu und wie gesagt, weil wir diese große Unsicherheit bei den Frauen haben auf
und geringer Samples heißt es, erheben wir dann nochmal Daten und zunächst freuen wir uns jetzt erstmal auf die Diskussion mit Ihnen, vielen Dank.
Sandra Leumann
Ja, vielen Dank äh für diese ganzen vielen interessanten Einblicke. Äh ich habe gleich ähm eine inhaltliche Nachfrage am Anfang wurde ja sehr illustrativ vorgestellt, wie Gitarb funktioniert.
Und mich würde interessieren, diese Beiträge, die da hochgeladen werden, äh das ist nur eine quantitative.
Erzählung und sagt nichts über die Komplexität des einzelnen Beitrags aus. Kann man plausible Vermutung darüber anstellen, dass sich die Komplexität innerhalb eines Benutzers dieser Plattform in der Pandemie.
Verändert hat, sodass man nicht Äpfel mit Birnen vergleicht.
Markus Konrad
Die Komplexität ähm sollte sich eigentlich nicht verändert haben, weil die Art und Weise ähm wie an Software gearbeitet wird, hat sich.
Nicht verändert. Dementsprechend sollte die Anzahl der Beiträge unabhängig davon sein.
Lena Hipp
Gleich haben wir noch
Ergänzend, Entschuldigung, wenn ich noch darf, ähm zumindest sollte sie sich nicht zwischen Männern und Frauen unterscheiden, weil das wäre das ja das eigentliche Problem. Also wenn's eine systematische
systematisch anderes Verhalten nach Ausbruch der Pandemie bei den Frauen als bei den Männern gäbe, dann wär's ein Problem für unsere Daten, aber
Daten sind, was sie sind. Wir können nichts über den Inhalt ähm sagen, weder vor Ausbruch der Pandemie noch. Ähm danach, es kann natürlich auch sein, dass beispielsweise
ähm
Pandemie bedingte Programmierungsjobs angestiegen sind. Also wenn ich irgendwie an Corona war, nebst oder vorhersagen arbeite oder sowas, auch das mag eingehen und das mag auch in den Daten drin sein. Aber wie Markus Konrad vorhin gesagt hat, es ist ein Aushängeschild und es hilft
mir ähm Status zu gewinnen, vielleicht einen neuen Job zu bekommen, besser bezahlt zu werden, also von daher sind die sich tatsächlich ein guter guter Indikator.
Sandra Leumann
Sie sprachen gerade die Auftragslage an, das war auch eine Frage hier im Chat, ob es sich bei Gitter nur um.
Aufträge handelt oder ob es da eben auch so private Projekte äh gibt und inwiefern das Auswirkungen auf die Daten haben kann.
Markus Konrad
Ja, wie ich schon erwähnt, gibt es sowohl Hobby als auch professionelle Projekte auf Gitarb und das lässt sich in den Daten halt nicht äh unterscheiden.
Lena Hipp
Genau, also wir hatten uns tatsächlich, wir hatten uns dieses Daten angeguckt, wo Leute regelmäßig
oder zum Entwickler regelmäßig befragt werden, äh programmieren sie auch in der Freizeit und die meisten sozusagen haben so einen Mix. Also
man ist Entwickler irgendwie wahrscheinlich wie man Wissenschaftler ist ähm bei der Arbeit und auch noch danach. Also es gibt einen Mix, um sozusagen das Wichtige ist, Männer und Frauen unterscheiden sich da nicht äh stark. Also das ist das eigentlich Wichtige für uns
Markus Konrad hat dir vorhin extra noch betont.
Git Up ist ein Aushängeschild und es ist fast egal, ob ich sozusagen in der Freizeit programmiere und da zeige, guckt mal, wie toll ähm ich bin und äh wie gut ich programmieren kann oder ob ich das bei der Arbeit mache. Also es ist
Arbeitsmarkt relevant und deshalb ist unser Argument, kann man das tatsächlich als einen guten Produktivitätsindikator nehmen.
Sandra Leumann
Sie haben ja selbst angesprochen, dass die Population sehr speziell ist. Können sie vielleicht noch ein bisschen mehr erzählen, was man über diese Population weiß? Und ähm was das für die Interpretation der Daten aber auch bedeutet. Mhm.
Lena Hipp
Also äh Markus Konrad hat es im Vortrag schon gesagt. Also aus den Befragungsdaten und
piegelt wahrscheinlich sozusagen auch unsere eigene anekdotische Evidenz, die wir zu Entwickler und Entwicklerinnen äh haben. Also die sind relativ jung, die sind eher kinderlos. Die sind es gewohnt, von zu Hause aus zu arbeiten, also ein Teil sozusagen arbeitet schon immer remote oder zumindest, wenn wir diesen
Daten glauben schenken äh
aber sie sind natürlich eine spezielle Population. Das muss man auch sagen. Wenn man jetzt irgendwie an ja absurde Organisationen denkt, um zu verstehen, wie
Organisationen funktionieren, wie Menschen funktionieren, was man darüber aus soziale, über soziale Ungleichheiten lernen kann, dann sollten wir diese Daten nicht nehmen
um zu sagen, also so ist es bei Männern und Frauen in anderen Berufen und so weiter, also von dieser Extraulation würden wir total abraten, aber man kann
was bei dieser von dieser Population, bei der wir eigentlich keine Geschlechterunterschiede.
Haben sollten, wenn wir sie da finden, ist es eben ein Indikator dafür und ziemlich starker meines Erachten
nach, dass es eben Geschlechtsunterschiede gibt, aber diese Extrapunkt, die sollte man auf keinen Fall machen.
Sandra Leumann
Aber woran sehen sie dann diese Unterschiede begründet? Wo könnten die Ursachen liegen ihrer Meinung nach?
Lena Hipp
Würde ich jetzt ähm auf die Ergebnisse nochmal äh verweisen. Also es gibt ja zwei Mechanismen oder mindestens
2-Mechanismen, wie sich äh die Covid-Pandemie auf Geschlechterungleichheiten auswirken kann. Also der eine ist eine Gruppe wird produktiver. So, ich meine ähm sozusagen meine tägliche Arbeit fällt weg. Ich habe mir Zeit äh zu programmieren. Mein täglicher Arbeits
Weg fällt weg. Ich kann keine Freunde mehr treffen, ich kann nicht mehr ausgehen. Ich habe einfach sehr viel mehr Zeit und die verbringe ich mit Arbeit.
Forschungsergebnisse zum Homeoffice deuten ja in die Richtung, dass Leute deshalb produktiver sind, wenn sie remote arbeiten
weil sie eben Zeit woanders einsparen. Also das kann zu diesen Produktivitätsanstieg führen.
Corona haben wir natürlich gleichzeitig noch eine enorme Belastung.
Personen die Betreuungsaufgaben haben, weil Schulen und Kitas geschlossen sind. Also
nicht nur meinen Entwicklerinnenjob, sondern ich habe auch noch meinen Job ähm als Mutter oder Vater und muss die Kinder
versorgen und das führt natürlich dazu, dass ich von all dem, was meine Kinder, von dem meine kinderlosen Kolleginnen und Kollegen ähm.
Äh profitieren, dass sie mehr Zeit haben und mehr Muße haben, das habe ich nicht im Gegenteil, ich habe sozusagen noch einen riesigen Abfall, weil ich mindestens
zehn Stunden am Tag oder zwölf Stunden am Tag oder noch länger, eigentlich
nicht arbeiten kann oder nicht konzentriert arbeiten kann, weil ich mich um die Kinder kümmere. So und ähm in der Soziologie haben wir natürlich auch schöne Theorien dazu, Timerwelle, Billity, Theorie, die Frage, warum sich ähm
das ist ja, stellt sich auch bei den Befragungsergebnissen, die wir haben.
Warum dieses Meer an Aufwand sozusagen sich unterschiedlich auf Männer und Frauen auswirkt, hat natürlich auch mit Geschlechterrollen zu tun als ein wichtiges äh Stichwort. Und
das sozusagen scheinbar zu sehen, selbst in dieser Population, wo wir eigentlich keine Geschlechterunterschiede finden dürften.
Sandra Leumann
Wenn sie schon bei Erklärungen sind, hier wurde drum gebeten, nochmal die große Varianz für die Frauen in unterschiedlichen Ländern nochmal aufzugreifen, auch mal näher zu erläutern. Und auch über Länder hinaus, also über.
Europäische Länder hinaus, weil sie haben ja auch andere Länder in ihren Untersuchungen.
Lena Hipp
Mhm. Also da muss ich jetzt ehrlich gesagt gerade noch mal in unser Papier äh
bieten. Da haben wir auch sozusagen versucht, die nochmal zusammenzufassen, was wir ihnen deskritiv am Anfang ähm gezeigt haben. Ich glaube, ein Land, was sicherlich ähm interessant ist, ist.
China und.
Na, das sehe ich jetzt hier. Hier gerade nicht. Also sozusagen es sind viele Länder in Pakistan beispielsweise, da ähm.
Also äh Russland, Pakistan, ich bin so, ich bin doch noch mal hier ähm genauer gucken. Äh da sehen wir ähm.
Zum Beispiel für die, für die Fragten Russland, da weiß ich jetzt auswendig. Russland singe für die Frauen einen ganz starken Abfall und für die Männer ein ein Anstieg. Und
für Russland, da sehen wir auch, dass diese Interaktionseffekt, den ich Ihnen gezeigt habe, mit den Effekts äh Modell
der bei den Schulschließungen total gut anschlägt und relativ viel erklärt. Also wir müssen um diese Länderunterschiede.
Zu verstehen, in zweierlei Dinge in Betracht ziehen. Das eine ist
Wahrscheinlichkeit, äh dass äh Software, die und Eltern sind und gleichzeitig die Stringenz der Lockdown-Maßnahmen
in Verbindung mit einer geschlechtlichen Arbeitsaufteilung bis in den unterschiedlichen Ländern gibt
Und da muss man natürlich fairerweise auch sagen, die Information.
Die Developer Kinder oder haben sie keine Kinder, ist eine, die können wir so bisschen aboximieren durch dieses Daten, haben aber keine gesicherte Evidenz dazu. Also wir haben hier ähm
Problem tatsächlich, wir versuchen das mit diesen Fix Effektsmodellen bisschen zu berücksichtigen, aber
das haben wir nicht. Also da sind natürlich Befragungsdaten eindeutig überlegen
gleichzeitig haben wir natürlich durch die Beobachtungsdaten andere Vorteile und ich glaub man muss es irgendwie im Gesamtpaket sehen, wenn man diese Frage beantwortet, was sind jetzt die Auswirkungen?
Sandra Leumann
Und es läuft schon wieder die Zeit davon, aber ich bin noch neugierig, vielleicht deswegen bitte um kurze Antwort. Sie haben ja jetzt das Bild der ersten Welle gezeichnet und haben aber auch angesprochen, dass sie weitere Daten sammeln. Können sie schon einen kleinen Ausblick geben?
Markus Konrad
Ja, ähm wir werden nochmal weitere Daten sammeln, allerdings im gleichen Zeitraum.
Einfach auch um ähm die Unsicherheiten äh insbesondere ähm aufgrund der geringeren Größe für Frauen ähm zu reduzieren. Ähm.
Wir erweitern das aber nicht für die äh für einen größeren Zeitraum und nicht für die Bällen zwei und drei oder noch hoffentlich nicht folgende. Ähm weil ähm das Problem ist natürlich, dass die Vorhersagen der Zeitreihenmodelle dann.
Markus Konrad
Immer ungenauer werden, je länger der Zeitraum ist, den es dann vorherzusagen gilt. Und damit ist dieses.
Szenario, was wäre ohne Corona ähm immer spekulativer.
Begrenzen wir uns halt auf den Zeitraum ähm die erste Hälfte zwanzig.
Sandra Leumann
Rag den Lenahipp und Markus Conrad in unserem digitalen Kolloqium am siebten Juli zweitausendeinundzwanzig gehalten haben. Wir hoffen, sie konnten ein paar Anregungen mit.
Dann abonnieren und teilen sie doch gern den Podcast. Außerdem freuen wir uns über eine positive Bewertung auf Apple Podcasts oder dem Portal ihrer Wahl. Auf Twitter sind wir erreichbar unter.
Fürs Zuhören. Bis zum nächsten Mal.