Daniel Kašík – Vplyv pandemickej situácie na humanitárne mapovanie, stretnutie GISkola #6, 21. 11. 2022, online cez Zoom, http://giskola.eu/

1. Vliv pandemické
situace na
mapathony a
humanitární
mapování
DANIEL KAŠÍK
MGR. RADIM ŠTAMPACH, PH.D.

2. Humanitární mapování
- dobrovolnické mapování pomocí OpenStreetMap
- setkávání za účelem společného mapování
- výměna zkušeností
- příchod pandemie Covid-19

3. Ve světě
- obecné digitální dobrovolnictví – počítání ptáků, nahlašování poruch, BOINC
- 2010 – zemětřesení na Haiti
- vznik Humanitarian OpenStreetMap Team
- vznik Missing Maps
- největší aktivita uživatelů během probíhajících krizí

6. V Česku a na Slovensku
- česká a slovenská komunita nejaktivnější
- 2014 – Londýn, Jakarta, Hedelburg, Vancouver, San
Francisco, Washington, Manila
- 2016 – Praha, Brno, Olomouc
- 2017 – Bratislava
- 2019 – Niš

7. Cíle práce
- nové podmínky online prostředí
- proměna mapathonů během pandemické situace
- změna počtu participantů
- faktory na počty participantů
- vyhodnocení výkonnosti dobrovolníků

8. Cíle práce
- Změnil se počet účastnících se dobrovolníků na mapathonech během pandemické
situace ve srovnání s akcemi konanými před pandemií?
- Lze pozorovat významné faktory, které ovlivňovaly počet účastníků během
pandemické situace?

9. Sběr dat
- data od koordinátorů z Prahy, Brna, Olomouce, Bratislavy
- anonymizovaná x neanonymizovaná data
- registrace vs. skutečná účast

10. Co musím pro vyhodnocení
mapathonu znát?
- datum konání mapathonu
- oficiální začátek a konec
- název mapathonu
- město a hostující prostory
- počet registrovaných účastníků
- mapované projekty

11. Zjištění čísel projektů
- ze získaných dat
- z fotografií
- z Trella
- další metody?

12. Pomocí nástroje OSMCha
- uživatelská jména s vysokou mírou participace (ve městech)
- organizátoři mapathonů
- doplnění hashtagu
- především pro starší akce

14. Sekundární data
- registrace vs. participace
- nelze jednoduše zjistit reálný počet uživatelů
- pomoc nástroje pro vyhodnocování mapathonů

17. Filtrace sekundárních dat
- české a slovenské mapathony
- firemní anglické mapathony (ČR a SR)
- zahraniční mapathony (kolize)

18. Filtrace – možnosti?
- Místo, ve kterém uživatel vytvořil svůj první bod, udává jeho lokalitu.
- Těžiště všech changesetů (resp. ohraničení changesetů) vytvořených uživatelem
udává jeho lokalitu
- Stát, ve kterém se nachází uživatelem nejvíce vytvořených bodů, je považován za jeho
domovskou zemi
- Střed polygonu, který je vytvořen ze všech bodů vytvořených uživatelem, udává jeho
domovskou lokalitu

19. Jazyk!

20. Jazyk!

21. Python a získání dat z OSM API

22. Filtrace sekundárních dat

23. Vyhodnocení

24. Adaptace mapathonů
online mapathony hybridní mapathony mid-month online
mapathony

25. Participace na mapathonech

26. Participace na mapathonech

27. Vlivy na participaci
Mapathon
online hybridní prezenční
Mapathon
online - 1,000 0,025
hybridní 1,000 - 0,365
prezenční 0,025 0,365 -

28. Vlivy na participaci

29. Budovy
- nejvhodnější ukazatel k vyhodnocení – building=yes
- odborné články používají nodes
- na mapathonech dva typy participantů – iD editor a JOSM
- automatizace vyhodnocení pomocí Pythonu

32. Hodinový průměr
+ 19,07 % + 1,43 %

33. Hodinový vážený průměr
+ 22,86 % + 18,93 %

34. Diskuze a závěr
- online mapathony podporují růst komunity
- během pandemií online akce vhodnou formou
- růst výkonnosti participantů
- metodická omezení výzkumu

35. Proč tohle
všechno
děláme?

41. Děkuji za pozornost
241061@muni.cz