five

Befolkningens syn på velfærdssamfundet, 1998

收藏
DataCite Commons2024-10-11 更新2025-04-16 收录
下载链接:
https://digidata.rigsarkivet.dk/aflevering/36698
下载链接
链接失效反馈
官方服务:
资源简介:
Undersøgelsen har til formål at tegne et billede af danskernes velfærd og holdninger til velfærdssamfundet i slutningen af 1990''erne. I tilknytning til dataindsamlingen gennemføres et opfølgende interview, der går i dybden med undersøgelsens temaer. Undersøgelsens primære datamateriale er indsamlet af SFI i 1998 som interview med de udtrukne personer. Fra interviews med de udvalgte personer indgår oplysninger om følgende: - Køn. - Alder. - Familieforhold. - Materielle forhold, økonomi og forbrug, herunder boligforbrug. - Ressourcer, helbred, uddannelse, viden og kompetencer. - Aktiviteter, arbejde, fritid, familie og sociale netværk. - Anvendt tid på arbejde, fritid og familie. - Holdninger til arbejde. - Holdninger til fritid. - Holdninger til sundhed. - Holdninger til viden og kompetence. - Prioritering mellem arbejde og fritid. - Prioritering af egen tid i forhold til familien. - Den enkeltes ansvar. - Familiens ansvar. - Institutionernes ansvar. - Samfundets ansvar. - Holdninger til: - basale velfærdsydelser, sundhed og uddannelse - indkomstoverførsler - de dårligst stillede - skat - orlov, efterløn og pension Samt: I politik taler man ofte om venstre og højre. Hvor vil du placere dig selv på en skala fra 0 til 10. 0 betyder længst til venstre og 10 længst til højre

本研究旨在描绘20世纪90年代末丹麦人的福祉状况及他们对福利社会的态度。 在数据收集的同时,开展了一项后续访谈,深入探讨研究主题。 本研究的主要数据资料由SFI于1998年通过对抽取对象的访谈收集。 从对选定对象的访谈中,收集到以下信息: - 性别。 - 年龄。 - 家庭状况。 - 物质状况、经济与消费,包括住房消费。 - 资源、健康、教育、知识与能力。 - 活动、工作、休闲、家庭及社会网络。 - 工作、休闲及家庭时间的分配。 - 对工作的态度。 - 对休闲的态度。 - 对健康的态度。 - 对知识与能力的态度。 - 工作与休闲的优先级排序。 - 个人时间与家庭时间的优先级排序。 - 个人责任。 - 家庭责任。 - 机构责任。 - 社会责任。 - 对以下方面的态度: - 基础福利服务、健康与教育 - 收入转移(income transfers) - 弱势群体 - 税收 - 休假、离职金与养老金 此外: 在政治语境中,人们常提及左翼与右翼。请在0到10的量表上定位自己——0代表最左翼,10代表最右翼
提供机构:
Danish Data Archive
创建时间:
2017-10-19
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作