2024 State of Marketing Report – by HubspotMarius Sescu
https://www.hubspot.com/state-of-marketing
· Scaling relationships and proving ROI
· Social media is the place for search, sales, and service
· Authentic influencer partnerships fuel brand growth
· The strongest connections happen via call, click, chat, and camera.
· Time saved with AI leads to more creative work
· Seeking: A single source of truth
· TLDR; Get on social, try AI, and align your systems.
· More human marketing, powered by robots
ChatGPT is a revolutionary addition to the world since its introduction in 2022. A big shift in the sector of information gathering and processing happened because of this chatbot. What is the story of ChatGPT? How is the bot responding to prompts and generating contents? Swipe through these slides prepared by Expeed Software, a web development company regarding the development and technical intricacies of ChatGPT!
Product Design Trends in 2024 | Teenage EngineeringsPixeldarts
The realm of product design is a constantly changing environment where technology and style intersect. Every year introduces fresh challenges and exciting trends that mold the future of this captivating art form. In this piece, we delve into the significant trends set to influence the look and functionality of product design in the year 2024.
How Race, Age and Gender Shape Attitudes Towards Mental HealthThinkNow
Mental health has been in the news quite a bit lately. Dozens of U.S. states are currently suing Meta for contributing to the youth mental health crisis by inserting addictive features into their products, while the U.S. Surgeon General is touring the nation to bring awareness to the growing epidemic of loneliness and isolation. The country has endured periods of low national morale, such as in the 1970s when high inflation and the energy crisis worsened public sentiment following the Vietnam War. The current mood, however, feels different. Gallup recently reported that national mental health is at an all-time low, with few bright spots to lift spirits.
To better understand how Americans are feeling and their attitudes towards mental health in general, ThinkNow conducted a nationally representative quantitative survey of 1,500 respondents and found some interesting differences among ethnic, age and gender groups.
Technology
For example, 52% agree that technology and social media have a negative impact on mental health, but when broken out by race, 61% of Whites felt technology had a negative effect, and only 48% of Hispanics thought it did.
While technology has helped us keep in touch with friends and family in faraway places, it appears to have degraded our ability to connect in person. Staying connected online is a double-edged sword since the same news feed that brings us pictures of the grandkids and fluffy kittens also feeds us news about the wars in Israel and Ukraine, the dysfunction in Washington, the latest mass shooting and the climate crisis.
Hispanics may have a built-in defense against the isolation technology breeds, owing to their large, multigenerational households, strong social support systems, and tendency to use social media to stay connected with relatives abroad.
Age and Gender
When asked how individuals rate their mental health, men rate it higher than women by 11 percentage points, and Baby Boomers rank it highest at 83%, saying it’s good or excellent vs. 57% of Gen Z saying the same.
Gen Z spends the most amount of time on social media, so the notion that social media negatively affects mental health appears to be correlated. Unfortunately, Gen Z is also the generation that’s least comfortable discussing mental health concerns with healthcare professionals. Only 40% of them state they’re comfortable discussing their issues with a professional compared to 60% of Millennials and 65% of Boomers.
Race Affects Attitudes
As seen in previous research conducted by ThinkNow, Asian Americans lag other groups when it comes to awareness of mental health issues. Twenty-four percent of Asian Americans believe that having a mental health issue is a sign of weakness compared to the 16% average for all groups. Asians are also considerably less likely to be aware of mental health services in their communities (42% vs. 55%) and most likely to seek out information on social media (51% vs. 35%).
AI Trends in Creative Operations 2024 by Artwork Flow.pdfmarketingartwork
Creative operations teams expect increased AI use in 2024. Currently, over half of tasks are not AI-enabled, but this is expected to decrease in the coming year. ChatGPT is the most popular AI tool currently. Business leaders are more actively exploring AI benefits than individual contributors. Most respondents do not believe AI will impact workforce size in 2024. However, some inhibitions still exist around AI accuracy and lack of understanding. Creatives primarily want to use AI to save time on mundane tasks and boost productivity.
Organizational culture includes values, norms, systems, symbols, language, assumptions, beliefs, and habits that influence employee behaviors and how people interpret those behaviors. It is important because culture can help or hinder a company's success. Some key aspects of Netflix's culture that help it achieve results include hiring smartly so every position has stars, focusing on attitude over just aptitude, and having a strict policy against peacocks, whiners, and jerks.
2024 State of Marketing Report – by HubspotMarius Sescu
https://www.hubspot.com/state-of-marketing
· Scaling relationships and proving ROI
· Social media is the place for search, sales, and service
· Authentic influencer partnerships fuel brand growth
· The strongest connections happen via call, click, chat, and camera.
· Time saved with AI leads to more creative work
· Seeking: A single source of truth
· TLDR; Get on social, try AI, and align your systems.
· More human marketing, powered by robots
ChatGPT is a revolutionary addition to the world since its introduction in 2022. A big shift in the sector of information gathering and processing happened because of this chatbot. What is the story of ChatGPT? How is the bot responding to prompts and generating contents? Swipe through these slides prepared by Expeed Software, a web development company regarding the development and technical intricacies of ChatGPT!
Product Design Trends in 2024 | Teenage EngineeringsPixeldarts
The realm of product design is a constantly changing environment where technology and style intersect. Every year introduces fresh challenges and exciting trends that mold the future of this captivating art form. In this piece, we delve into the significant trends set to influence the look and functionality of product design in the year 2024.
How Race, Age and Gender Shape Attitudes Towards Mental HealthThinkNow
Mental health has been in the news quite a bit lately. Dozens of U.S. states are currently suing Meta for contributing to the youth mental health crisis by inserting addictive features into their products, while the U.S. Surgeon General is touring the nation to bring awareness to the growing epidemic of loneliness and isolation. The country has endured periods of low national morale, such as in the 1970s when high inflation and the energy crisis worsened public sentiment following the Vietnam War. The current mood, however, feels different. Gallup recently reported that national mental health is at an all-time low, with few bright spots to lift spirits.
To better understand how Americans are feeling and their attitudes towards mental health in general, ThinkNow conducted a nationally representative quantitative survey of 1,500 respondents and found some interesting differences among ethnic, age and gender groups.
Technology
For example, 52% agree that technology and social media have a negative impact on mental health, but when broken out by race, 61% of Whites felt technology had a negative effect, and only 48% of Hispanics thought it did.
While technology has helped us keep in touch with friends and family in faraway places, it appears to have degraded our ability to connect in person. Staying connected online is a double-edged sword since the same news feed that brings us pictures of the grandkids and fluffy kittens also feeds us news about the wars in Israel and Ukraine, the dysfunction in Washington, the latest mass shooting and the climate crisis.
Hispanics may have a built-in defense against the isolation technology breeds, owing to their large, multigenerational households, strong social support systems, and tendency to use social media to stay connected with relatives abroad.
Age and Gender
When asked how individuals rate their mental health, men rate it higher than women by 11 percentage points, and Baby Boomers rank it highest at 83%, saying it’s good or excellent vs. 57% of Gen Z saying the same.
Gen Z spends the most amount of time on social media, so the notion that social media negatively affects mental health appears to be correlated. Unfortunately, Gen Z is also the generation that’s least comfortable discussing mental health concerns with healthcare professionals. Only 40% of them state they’re comfortable discussing their issues with a professional compared to 60% of Millennials and 65% of Boomers.
Race Affects Attitudes
As seen in previous research conducted by ThinkNow, Asian Americans lag other groups when it comes to awareness of mental health issues. Twenty-four percent of Asian Americans believe that having a mental health issue is a sign of weakness compared to the 16% average for all groups. Asians are also considerably less likely to be aware of mental health services in their communities (42% vs. 55%) and most likely to seek out information on social media (51% vs. 35%).
AI Trends in Creative Operations 2024 by Artwork Flow.pdfmarketingartwork
Creative operations teams expect increased AI use in 2024. Currently, over half of tasks are not AI-enabled, but this is expected to decrease in the coming year. ChatGPT is the most popular AI tool currently. Business leaders are more actively exploring AI benefits than individual contributors. Most respondents do not believe AI will impact workforce size in 2024. However, some inhibitions still exist around AI accuracy and lack of understanding. Creatives primarily want to use AI to save time on mundane tasks and boost productivity.
Organizational culture includes values, norms, systems, symbols, language, assumptions, beliefs, and habits that influence employee behaviors and how people interpret those behaviors. It is important because culture can help or hinder a company's success. Some key aspects of Netflix's culture that help it achieve results include hiring smartly so every position has stars, focusing on attitude over just aptitude, and having a strict policy against peacocks, whiners, and jerks.
PEPSICO Presentation to CAGNY Conference Feb 2024Neil Kimberley
PepsiCo provided a safe harbor statement noting that any forward-looking statements are based on currently available information and are subject to risks and uncertainties. It also provided information on non-GAAP measures and directing readers to its website for disclosure and reconciliation. The document then discussed PepsiCo's business overview, including that it is a global beverage and convenient food company with iconic brands, $91 billion in net revenue in 2023, and nearly $14 billion in core operating profit. It operates through a divisional structure with a focus on local consumers.
Content Methodology: A Best Practices Report (Webinar)contently
This document provides an overview of content methodology best practices. It defines content methodology as establishing objectives, KPIs, and a culture of continuous learning and iteration. An effective methodology focuses on connecting with audiences, creating optimal content, and optimizing processes. It also discusses why a methodology is needed due to the competitive landscape, proliferation of channels, and opportunities for improvement. Components of an effective methodology include defining objectives and KPIs, audience analysis, identifying opportunities, and evaluating resources. The document concludes with recommendations around creating a content plan, testing and optimizing content over 90 days.
How to Prepare For a Successful Job Search for 2024Albert Qian
The document provides guidance on preparing a job search for 2024. It discusses the state of the job market, focusing on growth in AI and healthcare but also continued layoffs. It recommends figuring out what you want to do by researching interests and skills, then conducting informational interviews. The job search should involve building a personal brand on LinkedIn, actively applying to jobs, tailoring resumes and interviews, maintaining job hunting as a habit, and continuing self-improvement. Once hired, the document advises setting new goals and keeping skills and networking active in case of future opportunities.
A report by thenetworkone and Kurio.
The contributing experts and agencies are (in an alphabetical order): Sylwia Rytel, Social Media Supervisor, 180heartbeats + JUNG v MATT (PL), Sharlene Jenner, Vice President - Director of Engagement Strategy, Abelson Taylor (USA), Alex Casanovas, Digital Director, Atrevia (ES), Dora Beilin, Senior Social Strategist, Barrett Hoffher (USA), Min Seo, Campaign Director, Brand New Agency (KR), Deshé M. Gully, Associate Strategist, Day One Agency (USA), Francesca Trevisan, Strategist, Different (IT), Trevor Crossman, CX and Digital Transformation Director; Olivia Hussey, Strategic Planner; Simi Srinarula, Social Media Manager, The Hallway (AUS), James Hebbert, Managing Director, Hylink (CN / UK), Mundy Álvarez, Planning Director; Pedro Rojas, Social Media Manager; Pancho González, CCO, Inbrax (CH), Oana Oprea, Head of Digital Planning, Jam Session Agency (RO), Amy Bottrill, Social Account Director, Launch (UK), Gaby Arriaga, Founder, Leonardo1452 (MX), Shantesh S Row, Creative Director, Liwa (UAE), Rajesh Mehta, Chief Strategy Officer; Dhruv Gaur, Digital Planning Lead; Leonie Mergulhao, Account Supervisor - Social Media & PR, Medulla (IN), Aurelija Plioplytė, Head of Digital & Social, Not Perfect (LI), Daiana Khaidargaliyeva, Account Manager, Osaka Labs (UK / USA), Stefanie Söhnchen, Vice President Digital, PIABO Communications (DE), Elisabeth Winiartati, Managing Consultant, Head of Global Integrated Communications; Lydia Aprina, Account Manager, Integrated Marketing and Communications; Nita Prabowo, Account Manager, Integrated Marketing and Communications; Okhi, Web Developer, PNTR Group (ID), Kei Obusan, Insights Director; Daffi Ranandi, Insights Manager, Radarr (SG), Gautam Reghunath, Co-founder & CEO, Talented (IN), Donagh Humphreys, Head of Social and Digital Innovation, THINKHOUSE (IRE), Sarah Yim, Strategy Director, Zulu Alpha Kilo (CA).
Trends In Paid Search: Navigating The Digital Landscape In 2024Search Engine Journal
The search marketing landscape is evolving rapidly with new technologies, and professionals, like you, rely on innovative paid search strategies to meet changing demands.
It’s important that you’re ready to implement new strategies in 2024.
Check this out and learn the top trends in paid search advertising that are expected to gain traction, so you can drive higher ROI more efficiently in 2024.
You’ll learn:
- The latest trends in AI and automation, and what this means for an evolving paid search ecosystem.
- New developments in privacy and data regulation.
- Emerging ad formats that are expected to make an impact next year.
Watch Sreekant Lanka from iQuanti and Irina Klein from OneMain Financial as they dive into the future of paid search and explore the trends, strategies, and technologies that will shape the search marketing landscape.
If you’re looking to assess your paid search strategy and design an industry-aligned plan for 2024, then this webinar is for you.
5 Public speaking tips from TED - Visualized summarySpeakerHub
From their humble beginnings in 1984, TED has grown into the world’s most powerful amplifier for speakers and thought-leaders to share their ideas. They have over 2,400 filmed talks (not including the 30,000+ TEDx videos) freely available online, and have hosted over 17,500 events around the world.
With over one billion views in a year, it’s no wonder that so many speakers are looking to TED for ideas on how to share their message more effectively.
The article “5 Public-Speaking Tips TED Gives Its Speakers”, by Carmine Gallo for Forbes, gives speakers five practical ways to connect with their audience, and effectively share their ideas on stage.
Whether you are gearing up to get on a TED stage yourself, or just want to master the skills that so many of their speakers possess, these tips and quotes from Chris Anderson, the TED Talks Curator, will encourage you to make the most impactful impression on your audience.
See the full article and more summaries like this on SpeakerHub here: https://speakerhub.com/blog/5-presentation-tips-ted-gives-its-speakers
See the original article on Forbes here:
http://www.forbes.com/forbes/welcome/?toURL=http://www.forbes.com/sites/carminegallo/2016/05/06/5-public-speaking-tips-ted-gives-its-speakers/&refURL=&referrer=#5c07a8221d9b
ChatGPT and the Future of Work - Clark Boyd Clark Boyd
Everyone is in agreement that ChatGPT (and other generative AI tools) will shape the future of work. Yet there is little consensus on exactly how, when, and to what extent this technology will change our world.
Businesses that extract maximum value from ChatGPT will use it as a collaborative tool for everything from brainstorming to technical maintenance.
For individuals, now is the time to pinpoint the skills the future professional will need to thrive in the AI age.
Check out this presentation to understand what ChatGPT is, how it will shape the future of work, and how you can prepare to take advantage.
The document provides career advice for getting into the tech field, including:
- Doing projects and internships in college to build a portfolio.
- Learning about different roles and technologies through industry research.
- Contributing to open source projects to build experience and network.
- Developing a personal brand through a website and social media presence.
- Networking through events, communities, and finding a mentor.
- Practicing interviews through mock interviews and whiteboarding coding questions.
Google's Just Not That Into You: Understanding Core Updates & Search IntentLily Ray
1. Core updates from Google periodically change how its algorithms assess and rank websites and pages. This can impact rankings through shifts in user intent, site quality issues being caught up to, world events influencing queries, and overhauls to search like the E-A-T framework.
2. There are many possible user intents beyond just transactional, navigational and informational. Identifying intent shifts is important during core updates. Sites may need to optimize for new intents through different content types and sections.
3. Responding effectively to core updates requires analyzing "before and after" data to understand changes, identifying new intents or page types, and ensuring content matches appropriate intents across video, images, knowledge graphs and more.
A brief introduction to DataScience with explaining of the concepts, algorithms, machine learning, supervised and unsupervised learning, clustering, statistics, data preprocessing, real-world applications etc.
It's part of a Data Science Corner Campaign where I will be discussing the fundamentals of DataScience, AIML, Statistics etc.
Time Management & Productivity - Best PracticesVit Horky
Here's my presentation on by proven best practices how to manage your work time effectively and how to improve your productivity. It includes practical tips and how to use tools such as Slack, Google Apps, Hubspot, Google Calendar, Gmail and others.
The six step guide to practical project managementMindGenius
The six step guide to practical project management
If you think managing projects is too difficult, think again.
We’ve stripped back project management processes to the
basics – to make it quicker and easier, without sacrificing
the vital ingredients for success.
“If you’re looking for some real-world guidance, then The Six Step Guide to Practical Project Management will help.”
Dr Andrew Makar, Tactical Project Management
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Applitools
During this webinar, Anand Bagmar demonstrates how AI tools such as ChatGPT can be applied to various stages of the software development life cycle (SDLC) using an eCommerce application case study. Find the on-demand recording and more info at https://applitools.info/b59
Key takeaways:
• Learn how to use ChatGPT to add AI power to your testing and test automation
• Understand the limitations of the technology and where human expertise is crucial
• Gain insight into different AI-based tools
• Adopt AI-based tools to stay relevant and optimize work for developers and testers
* ChatGPT and OpenAI belong to OpenAI, L.L.C.
The document discusses various AI tools from OpenAI like GPT-3 and DALL-E 2, as well as ChatGPT. It explores how search engines are using AI and things to consider around AI-generated content. Potential SEO uses of ChatGPT are also presented, such as generating content at scale, conducting topic research, and automating basic coding tasks. The document encourages further reading on using ChatGPT for SEO purposes.
More than Just Lines on a Map: Best Practices for U.S Bike Routes
This session highlights best practices and lessons learned for U.S. Bike Route System designation, as well as how and why these routes should be integrated into bicycle planning at the local and regional level.
Presenters:
Presenter: Kevin Luecke Toole Design Group
Co-Presenter: Virginia Sullivan Adventure Cycling Association
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...DevGAMM Conference
Has your project been caught in a storm of deadlines, clashing requirements, and the need to change course halfway through? If yes, then check out how the administration team navigated through all of this, relocating 160 people from 3 countries and opening 2 offices during the most turbulent time in the last 20 years. Belka Games’ Chief Administrative Officer, Katerina Rudko, will share universal approaches and life hacks that can help your project survive unstable periods when there seem to be too many tasks and a lack of time and people.
This presentation was designed to provide strategic recommendations for a brand in decline. The deck also incorporates a situational assessment, including a brand identity, positioning, architecture, and portfolio strategy for the Brand.
Presentation originally created for NYU Stern's Brand Strategy course. Design by Erica Santiago & Chris Alexander.
PEPSICO Presentation to CAGNY Conference Feb 2024Neil Kimberley
PepsiCo provided a safe harbor statement noting that any forward-looking statements are based on currently available information and are subject to risks and uncertainties. It also provided information on non-GAAP measures and directing readers to its website for disclosure and reconciliation. The document then discussed PepsiCo's business overview, including that it is a global beverage and convenient food company with iconic brands, $91 billion in net revenue in 2023, and nearly $14 billion in core operating profit. It operates through a divisional structure with a focus on local consumers.
Content Methodology: A Best Practices Report (Webinar)contently
This document provides an overview of content methodology best practices. It defines content methodology as establishing objectives, KPIs, and a culture of continuous learning and iteration. An effective methodology focuses on connecting with audiences, creating optimal content, and optimizing processes. It also discusses why a methodology is needed due to the competitive landscape, proliferation of channels, and opportunities for improvement. Components of an effective methodology include defining objectives and KPIs, audience analysis, identifying opportunities, and evaluating resources. The document concludes with recommendations around creating a content plan, testing and optimizing content over 90 days.
How to Prepare For a Successful Job Search for 2024Albert Qian
The document provides guidance on preparing a job search for 2024. It discusses the state of the job market, focusing on growth in AI and healthcare but also continued layoffs. It recommends figuring out what you want to do by researching interests and skills, then conducting informational interviews. The job search should involve building a personal brand on LinkedIn, actively applying to jobs, tailoring resumes and interviews, maintaining job hunting as a habit, and continuing self-improvement. Once hired, the document advises setting new goals and keeping skills and networking active in case of future opportunities.
A report by thenetworkone and Kurio.
The contributing experts and agencies are (in an alphabetical order): Sylwia Rytel, Social Media Supervisor, 180heartbeats + JUNG v MATT (PL), Sharlene Jenner, Vice President - Director of Engagement Strategy, Abelson Taylor (USA), Alex Casanovas, Digital Director, Atrevia (ES), Dora Beilin, Senior Social Strategist, Barrett Hoffher (USA), Min Seo, Campaign Director, Brand New Agency (KR), Deshé M. Gully, Associate Strategist, Day One Agency (USA), Francesca Trevisan, Strategist, Different (IT), Trevor Crossman, CX and Digital Transformation Director; Olivia Hussey, Strategic Planner; Simi Srinarula, Social Media Manager, The Hallway (AUS), James Hebbert, Managing Director, Hylink (CN / UK), Mundy Álvarez, Planning Director; Pedro Rojas, Social Media Manager; Pancho González, CCO, Inbrax (CH), Oana Oprea, Head of Digital Planning, Jam Session Agency (RO), Amy Bottrill, Social Account Director, Launch (UK), Gaby Arriaga, Founder, Leonardo1452 (MX), Shantesh S Row, Creative Director, Liwa (UAE), Rajesh Mehta, Chief Strategy Officer; Dhruv Gaur, Digital Planning Lead; Leonie Mergulhao, Account Supervisor - Social Media & PR, Medulla (IN), Aurelija Plioplytė, Head of Digital & Social, Not Perfect (LI), Daiana Khaidargaliyeva, Account Manager, Osaka Labs (UK / USA), Stefanie Söhnchen, Vice President Digital, PIABO Communications (DE), Elisabeth Winiartati, Managing Consultant, Head of Global Integrated Communications; Lydia Aprina, Account Manager, Integrated Marketing and Communications; Nita Prabowo, Account Manager, Integrated Marketing and Communications; Okhi, Web Developer, PNTR Group (ID), Kei Obusan, Insights Director; Daffi Ranandi, Insights Manager, Radarr (SG), Gautam Reghunath, Co-founder & CEO, Talented (IN), Donagh Humphreys, Head of Social and Digital Innovation, THINKHOUSE (IRE), Sarah Yim, Strategy Director, Zulu Alpha Kilo (CA).
Trends In Paid Search: Navigating The Digital Landscape In 2024Search Engine Journal
The search marketing landscape is evolving rapidly with new technologies, and professionals, like you, rely on innovative paid search strategies to meet changing demands.
It’s important that you’re ready to implement new strategies in 2024.
Check this out and learn the top trends in paid search advertising that are expected to gain traction, so you can drive higher ROI more efficiently in 2024.
You’ll learn:
- The latest trends in AI and automation, and what this means for an evolving paid search ecosystem.
- New developments in privacy and data regulation.
- Emerging ad formats that are expected to make an impact next year.
Watch Sreekant Lanka from iQuanti and Irina Klein from OneMain Financial as they dive into the future of paid search and explore the trends, strategies, and technologies that will shape the search marketing landscape.
If you’re looking to assess your paid search strategy and design an industry-aligned plan for 2024, then this webinar is for you.
5 Public speaking tips from TED - Visualized summarySpeakerHub
From their humble beginnings in 1984, TED has grown into the world’s most powerful amplifier for speakers and thought-leaders to share their ideas. They have over 2,400 filmed talks (not including the 30,000+ TEDx videos) freely available online, and have hosted over 17,500 events around the world.
With over one billion views in a year, it’s no wonder that so many speakers are looking to TED for ideas on how to share their message more effectively.
The article “5 Public-Speaking Tips TED Gives Its Speakers”, by Carmine Gallo for Forbes, gives speakers five practical ways to connect with their audience, and effectively share their ideas on stage.
Whether you are gearing up to get on a TED stage yourself, or just want to master the skills that so many of their speakers possess, these tips and quotes from Chris Anderson, the TED Talks Curator, will encourage you to make the most impactful impression on your audience.
See the full article and more summaries like this on SpeakerHub here: https://speakerhub.com/blog/5-presentation-tips-ted-gives-its-speakers
See the original article on Forbes here:
http://www.forbes.com/forbes/welcome/?toURL=http://www.forbes.com/sites/carminegallo/2016/05/06/5-public-speaking-tips-ted-gives-its-speakers/&refURL=&referrer=#5c07a8221d9b
ChatGPT and the Future of Work - Clark Boyd Clark Boyd
Everyone is in agreement that ChatGPT (and other generative AI tools) will shape the future of work. Yet there is little consensus on exactly how, when, and to what extent this technology will change our world.
Businesses that extract maximum value from ChatGPT will use it as a collaborative tool for everything from brainstorming to technical maintenance.
For individuals, now is the time to pinpoint the skills the future professional will need to thrive in the AI age.
Check out this presentation to understand what ChatGPT is, how it will shape the future of work, and how you can prepare to take advantage.
The document provides career advice for getting into the tech field, including:
- Doing projects and internships in college to build a portfolio.
- Learning about different roles and technologies through industry research.
- Contributing to open source projects to build experience and network.
- Developing a personal brand through a website and social media presence.
- Networking through events, communities, and finding a mentor.
- Practicing interviews through mock interviews and whiteboarding coding questions.
Google's Just Not That Into You: Understanding Core Updates & Search IntentLily Ray
1. Core updates from Google periodically change how its algorithms assess and rank websites and pages. This can impact rankings through shifts in user intent, site quality issues being caught up to, world events influencing queries, and overhauls to search like the E-A-T framework.
2. There are many possible user intents beyond just transactional, navigational and informational. Identifying intent shifts is important during core updates. Sites may need to optimize for new intents through different content types and sections.
3. Responding effectively to core updates requires analyzing "before and after" data to understand changes, identifying new intents or page types, and ensuring content matches appropriate intents across video, images, knowledge graphs and more.
A brief introduction to DataScience with explaining of the concepts, algorithms, machine learning, supervised and unsupervised learning, clustering, statistics, data preprocessing, real-world applications etc.
It's part of a Data Science Corner Campaign where I will be discussing the fundamentals of DataScience, AIML, Statistics etc.
Time Management & Productivity - Best PracticesVit Horky
Here's my presentation on by proven best practices how to manage your work time effectively and how to improve your productivity. It includes practical tips and how to use tools such as Slack, Google Apps, Hubspot, Google Calendar, Gmail and others.
The six step guide to practical project managementMindGenius
The six step guide to practical project management
If you think managing projects is too difficult, think again.
We’ve stripped back project management processes to the
basics – to make it quicker and easier, without sacrificing
the vital ingredients for success.
“If you’re looking for some real-world guidance, then The Six Step Guide to Practical Project Management will help.”
Dr Andrew Makar, Tactical Project Management
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Applitools
During this webinar, Anand Bagmar demonstrates how AI tools such as ChatGPT can be applied to various stages of the software development life cycle (SDLC) using an eCommerce application case study. Find the on-demand recording and more info at https://applitools.info/b59
Key takeaways:
• Learn how to use ChatGPT to add AI power to your testing and test automation
• Understand the limitations of the technology and where human expertise is crucial
• Gain insight into different AI-based tools
• Adopt AI-based tools to stay relevant and optimize work for developers and testers
* ChatGPT and OpenAI belong to OpenAI, L.L.C.
The document discusses various AI tools from OpenAI like GPT-3 and DALL-E 2, as well as ChatGPT. It explores how search engines are using AI and things to consider around AI-generated content. Potential SEO uses of ChatGPT are also presented, such as generating content at scale, conducting topic research, and automating basic coding tasks. The document encourages further reading on using ChatGPT for SEO purposes.
More than Just Lines on a Map: Best Practices for U.S Bike Routes
This session highlights best practices and lessons learned for U.S. Bike Route System designation, as well as how and why these routes should be integrated into bicycle planning at the local and regional level.
Presenters:
Presenter: Kevin Luecke Toole Design Group
Co-Presenter: Virginia Sullivan Adventure Cycling Association
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...DevGAMM Conference
Has your project been caught in a storm of deadlines, clashing requirements, and the need to change course halfway through? If yes, then check out how the administration team navigated through all of this, relocating 160 people from 3 countries and opening 2 offices during the most turbulent time in the last 20 years. Belka Games’ Chief Administrative Officer, Katerina Rudko, will share universal approaches and life hacks that can help your project survive unstable periods when there seem to be too many tasks and a lack of time and people.
This presentation was designed to provide strategic recommendations for a brand in decline. The deck also incorporates a situational assessment, including a brand identity, positioning, architecture, and portfolio strategy for the Brand.
Presentation originally created for NYU Stern's Brand Strategy course. Design by Erica Santiago & Chris Alexander.
1. Tartalomjegyzék
Tartalomjegyzék...................................................................................................................1
Bevezető...............................................................................................................................2
1. A Tétrinformatikáról........................................................................................................4
1.1 A térinformatika általános áttekintése........................................................................4
1.2 A térinformatikai rendszerek alkotóelemei................................................................5
1.2.1 A hardver.............................................................................................................6
1.2.2 A szoftver............................................................................................................7
1.2.3 Az adat.................................................................................................................7
1.2.3.1 A valóságról alkotott kép..............................................................................7
1.2.3.2 Az adatbázisok..............................................................................................8
1.2.4 A felhasználók...................................................................................................11
1.3 A történelmi térinformatika......................................................................................12
1.3.1 Alkalmazási lehetőségek...................................................................................12
2. A terület bemutatása.......................................................................................................13
3. A megoldáshoz alkalmazható adatgyűjtési eljárások ....................................................23
3.1 Felhasznált adatok....................................................................................................23
3.2. A vektoros állomány elkészítése.............................................................................26
3.3 Felhasznált eszközök................................................................................................27
3.2.2 Geomedia ..................................................................................................28
4. Rendszertervezés............................................................................................................31
4.1. A rendszer létrehozásának célja..............................................................................31
4.2. A rendszerrel szemben támasztott követelmények és funkciók..............................31
4.3. Adatbázis tervezés...................................................................................................32
4.3.1 A kapcsolatok létrehozása.................................................................................35
A teljesen kész adattáblák között Access-ben létrehoztam a kapcsolatokat. Az alábbi
ábrán látható, hogy az adatokat tároló táblák között 1:N típusú kapcsolat áll fenn.
Vannak olyan táblák melyek között nincs kapcsolat, ezek csak térképi megjelenítési
célt szolgálnak. Magyarázatra szorul a Varos és Varak között fennálló kapcsolat. Ez
azért nem 1:N típusú, mert vannak olyan várak az adatbázisban, melyhez nem
tartozik település. Természetesen a valóságban igen, de az összegyűjtött települések
halmaza ezt jelenleg nem tartalmazza........................................................................35
....................................................................................................................................36
5. Mintaadatbázis................................................................................................................37
5.1 Az elkészült adatbázis bemutatása...........................................................................37
5.2 Lekérdezési lehetőségek...........................................................................................37
6. Összefoglalás, hasznosítás, továbbfejlesztés..................................................................47
7. Köszönetnyilvánítás.......................................................................................................49
8. Hivatkozások, Felhasznált irodalom, URL címek..........................................................50
1
2. Bevezető
A szakdolgozat választásakor lehetősége nyílik minden diáknak, hogy a hozzá
legközelebb álló témával foglalkozzon. Már gyerekkoromban is sok időt töltöttem a
történelemmel, az azzal kapcsolatos könyvekkel, rengeteg témáról olvastam és bújtam az
atlaszokat. Az élet úgy hozta, hogy inkább reál szakirányban tanultam tovább, aminek
következtében a történelemmel már kevesebbet foglalkoztam. Kapva kaptam a
lehetőségen, amikor a kiírt témák között olvastam a történelmi térinformatikát.
Akkor konkrétan még nem fogalmazódott meg bennem, hogy miről is szeretnék írni, és
milyen feladatot is szeretnék elkészíteni, valamint kétségek között tartott az, hogy mérő
szakirányon tanultam, így a térinformatikai ismereteim korlátozottabbak voltak. Azonban
hamar döntésre jutottam és neki is láttam a téma kidolgozásának.
Történelmi térképekkel mindenki találkozott már élete során. Ha csak a történelmi
atlaszokból indulunk ki egy-egy terület koronkénti ábrázolására legalább egy oldal
szükséges. A papírméret valamint a célterület nagyságából kiindulva sokszor eléggé
korlátozottnak tekinthető ezen felületen elhelyezett adatok mennyisége. Amely éppen a
legfontosabb az atlaszt lapozó egyénnek. Példaként vehetjük azt, ha valaki egy település,
csata vagy akár egy vár helyét szeretné megkeresni a térképen. Hol keresse? Melyik
oldalon? De tovább megyek, mindezekről még olvasni is szeretne. Mikor épült, milyen
szerepet játszott a történelemben, stb. Ezek és sok más ötlet mellet vezérelve jutottam el
szakdolgozatom témájáig, amely a magyar történelmet modellezi térinformatikai
eszközökkel.
Célom egy történelmi minta adatbázis létrehozása. A történelmi Magyarország
nagyságából kiindulva nem foglalkozhattam az egész területtel, mivel ez hatalmas
adatbázis létrehozását jelentené. Figyelembe véve azt is, hogy nem csak egy konkrét
idővel foglalkozik, hanem különböző időszakokat ölel fel, egyértelművé vált, hogy egy
kisebb területre kell leszűkítenem a témát.
A feladat megoldásához térképekre és leíró adatokra, mint kiindulási alapokra feltétlenül
szükség van, valamint szükség van egy olyan rendszerre, amely képes kezelni a térképet
grafikus és leíró adatokkal együtt, és rendelkezik internetes publikálási lehetőséggel (ez a
2
3. továbbfejlesztések során kapna kulcsfontosságú szerepet). Végeredményként tehát
szeretnék egy olyan bővíthető adatbázist, amely minden történelemmel foglalkozó és
történelem után érdeklődő hasznára válik.
3
4. 1. A Tétrinformatikáról
1.1 A térinformatika általános áttekintése
A térinformatika napjaink egyik meghatározó tudománya, de az elméleti alapok sokkal
régebbre nyúlnak vissza. Példaként említhető a londoni kolerajárvány esete, amikor is egy
bizonyos John Snow térképet használt a halálozási előfordulások bemutatására, aminek
segítségével később a betegség kitörésének helyét, egy elhanyagolt körzet kútját sikerült
beazonosítania. Ez a példa azért fontos, mert rávilágít a hozzá kapcsolódó szemléletre,
aminek a lényege, hogy bizonyos események térbeli elrendeződésének térképre vitelével
és elemzésével egy probléma gyökere és eredete viszonylag egyszerűen megoldható.
A térinformatika vagy más néven geoinformatika az információk egy jellegzetes
csoportjával, a helyhez kötött információkkal, foglalkozik. Maguire (1) definíciója:
„Objektumokra vagy jelenségekre vonatkozó olyan információ, amelyet a földfelszín
valamely helyéhez viszonyítva adnak meg.” A térinformatika gyakorlati alkalmazása
esetén, azaz a speciális információk számítógépes feldolgozására, egy térinformációs
rendszert vagy általános szóhasználatban GIS-t (Geograpichal Information System-FIR:
Földrajzi információs rendszer) hozunk létre.
A térinformációs rendszerek alkalmazási területei napjainkban széles körben elterjedtek.
Ezek közül néhányat példaként említenék:
Kataszteri információs rendszerek
Közművek (víz, gáz, villamos –és hőenergia szolgáltatók, távközlés) információs
rendszere
Közgazdasági-, marketing információs rendszerek
Közigazgatási-, és önkormányzati információs rendszerek
Topográfiai-kartográfiai információs rendszerek
Katonai információs rendszerek
Természettudományi információs rendszerek (geodézia, geofizika, geológia,
talajtan, ökológia, hidrológia, meteorológia stb.)
Társadalomtudományi információs rendszerek (régészet, történelem, etnográfia,
stb.)
Mérnöki információs rendszerek
4
5. A térinformációs rendszerek méretük alapján a következő három csoportba sorolhatók:
Globális térinformációs rendszerek
Regionális térinformációs rendszerek
Lokális térinformációs rendszerek
Globális rendszer alatt a Föld egészére vagy egy kontinensre kiterjedő rendszert értünk.
Ilyen például egy globális földrengési adatbázisra épült rendszer, ami tartalmazza pl. a
földrengés epicentrumát, vagy magnitúdóját. (A globális földrengés adatbázis linkje:
www.earthquake.usgs.gov/eqcenter/index.php).
A regionális rendszerek általában egy adott országra, vagy annak egy részére régiójára
terjednek ki. A következő link egy ilyen rendszert takar
(http://www.sewrpc.org/regionallandinfo/regionalmapping/)
Lokális rendszerek egy kis területre vonatkozó térinformációs rendszerek. Lokális
rendszer egy város vagy egy község turisztikai információs rendszere.
A térinformatikai rendszereket csoportosíthatjuk típusuk alapján is:
AM (Automated Mapping, Automatikus térképezés): a manuális térképezés
helyettesítésére fejlesztették ki. Műveleteket nem lehet elvégezni a térképen,
csak megjelenítésre alkalmas rendszer.
FM (Facilities Management, Létesítménygazdálkodás, Közműnyilvántartás):
közműhálózatok térinformatikai nyilvántartására fejlesztették ki, vagy
létesítmények állapot nyilvántartására használják.
LIS (Land Information System, Területi információs rendszer, Földadat
nyilvántartás): a földfelszínnel és a földingatlanokkal kapcsolatos adatok
kezelésére szolgál. Helyzeti, földrajzi adatok tárolására valamint elemzésére
használható.
GIS (Geographic Information System, Földrajzi információs rendszer): a
rendszerrel térbeli elemzések, döntés elősegítés, analizálás, kutatás, környezeti
állapot monitorozás végezhető el, és ezen műveletek eredményeit jeleníti meg.
1.2 A térinformatikai rendszerek alkotóelemei
A térinformatikai rendszerek alkotóelemei a szakirodalom szerint a következő négy
csoportból állnak:
5
6. hardver
szoftver
adatok
felhasználók
Ez a felsorolás érvényes egyéb információs rendszerek felépítésére is. A négy tényező
mindegyike nélkülözhetetlen részét képezi a rendszerek egészének, de legkiemelkedőbb
értékkel az adat bír. A térinformatikusok vizsgálták az alkotórészek élettartamát, valamint
ezek költségarányát és a következő szakmai körökben elfogadott megállapítást tették:
Az alkotóelemek költségaránya a következő:
o hardver:szoftver:adat=1:10:100
Az alkotóelemek élettartama a következő:
o hardver:szoftver:adat=3-5 év:7-15 év:25-70 év
Minden alkotóelemet, a hardvert, a szoftvert, felhasználni kívánt adatokat, vagy
térképeket úgy kell megválasztani és megtervezni, hogy a rendszerrel szemben támasztott
követelményeknek megfeleljenek, és a térinformatikai rendszer képes legyen arra, hogy
az előre meghatározott feladatokat végre tudjuk hajtani. A következőkben röviden
bemutatom az előbb említett alkotóelemekre vonatkozó legfontosabb ismereteket. A
későbbi fejezetekben pedig bemutatom az általam alkalmazott hardvereket, szoftvereket,
adatokat.
1.2.1 A hardver
A szűkebb értelemben vett térinformatikai rendszerek részét képezik az adatok
feldolgozását végző számítógépek. Ezek árai, illetve teljesítményük akár havonta
változhat. Térinformációs rendszerek működhetnek PC-n, munkaállomásokon (server) és
hálózatokon keresztül. Tágabb értelemben hardver eszközök közé tatoznak az elsődleges
adatgyűjtéshez használt eszközök is. Például ilyen eszköznek tekinthető a GPS (Global
Positioning System - Földrajzi helymeghatározó rendszer), mérőállomás, digitális
fényképezőgép, vagy a térképek digitalizálásához használt műszaki berendezések, például
a szkenner. Ugyancsak fontos komponensei az adatfeldolgozáshoz illetve megjelenítéshez
használt nyomtatók, kivetítők egyéb multimédiás eszközök, stb.
6
7. 1.2.2 A szoftver
A térinformációs rendszerek szoftvere az adott hardver lehetőségeit kihasználó,
elgondolásokat, eljárásokat magvalósító programok, programrendszerek és az ezekhez
kapcsolódó dokumentumok összessége (2). A térinformációs rendszerek szoftver igénye
több részből áll. Természetesen nem nélkülözhetik a rendszerszoftvereket vagy más
néven operációs rendszereket. Feladatuk a számítógép erőforrásainak elosztása, a
számítógép vezérlése, kapcsolattartás a felhasználóval. Napjainkban használatos
elterjedtebb operációs rendszerek: Windows Vista, XP, 2000, NT, Linux, stb.
Léteznek az úgynevezett rendszer közeli vagy fejlesztői szoftverek, melyek olyan
programok, amikkel szoftverek készíthetők, ezzel is megkönnyítve a felhasználók
munkáját. Ilyenek például a Pascal, Visual Basic, Map Basic, Delphi, stb. Léteznek még
az alkalmazói szoftverek, melyek alatt egy a kitűzött feladat végrehajtásához szükséges
speciális szoftver értünk. Jelen esetben a térinformatikai szoftverek illetve ezek megfelelő
működéséhez szükséges szoftverek pl.: Geomedia, ArcGIS, MapInfo, Microsoft Office,
stb. Térinformatikai program választásánál figyelembe kell venni azt is, hogy az adott
program melyik moduljait szeretnénk használni. Ezek a szoftvermodulok lehetővé teszik,
hogy csak azt az összeállítást válasszuk, melyre igazán szükségünk van. Ezért a rendszer
tervezésekor tisztában kell lennünk azzal, hogy mire van szükségünk, mert ehhez kell
megválasztani a megfelelő programot.
1.2.3 Az adat
1.2.3.1 A valóságról alkotott kép
A térinformációs rendszerek legfontosabb elemei az adatok. Két különböző adattípust
különböztethetünk meg a feldolgozás szempontjából: szakadatok és geometriai adatok.
Az adatok a valós világról alkotott logikai és fizikai modellel állnak kapcsolatban. A
valós világot alkotó jelenségeket egy elméleti modellel helyettesíti. Ebben az elméleti
modellben csak a vizsgálni kívánt jelenség jellemzőit vesszük figyelembe. A kiválasztott
jellemzők alapján képezzük a logikai modellt, ez alapján történik meg az adatgyűjtés és
így jön létre az objektum fizikai modellje. Ezt követi az objektumosztályok létrehozása
majd ezek azonosítóval történő ellátása. A szakadatok (attribútumok) a vizsgált objektum
természeti eredetű tulajdonságait, vagy az emberi tevékenységgel létrehozott
létesítmények vagy jelenségek paramétereit, gazdasági szociológiai jellemzőit
tartalmazzák.
7
8. A geometriai adatokat az egyértelmű meghatározás miatt valamilyen vonatkozási
rendszerhez viszonyítva határozzuk meg, például a földi hosszúsági és szélességi adatok
valamilyen vetületi rendszerben meghatározott koordináták. Ezáltal biztosított, hogy a
geometriai adatok Földhöz történő kapcsolatát megfelelően meg tudjuk határozni. A
geometriai adatok lehetnek raszter vagy vektor adatok. A vektoradatok esetén az
objektumok helyzetét pontok, vonalak, felületek határozzák meg. A raszteradatok esetén a
vizsgált terület egészét egyforma geometriai idomokkal többnyire négyzetekkel fedik le.
Az egyes objektumok jellemzésekor a megfelelő lefedő elemek (pixelek, négyzetek
esetén) megadása történik meg. Ilyenkor a geometriai elemek mozaikszerűen borítják a
vizsgált területet.
1.2.3.2 Az adatbázisok
Az adat elsősorban alfanumerikus karakterekkel kódolt információ, de tágabb értelemben
adat lehet sok egyéb kód is.
Az adatok számítógépes tárolásának megoldásai:
• Az adatkezelés megoldható egyedi programmal, ami egy egyedi fájlformátumú, az
adott feladatra optimalizálható program, az adatok szerkezetét csak az adott
program ismeri.
• Általános adatbázis-kezelő programmal, ami szabványos fájlformátumú.
Az adatbázis jellemzői:
• Az adatok meghatározott rendben vannak tárolva
• Az adatok közti kapcsolatok egyértelműek
• Az adatvédelmi szabályoknak megfelel
• Egyéb objektumok is megtalálhatóak, melyek az adatok kezelését (bevitel, törlés,
lekérdezés) teszik lehetővé.
Az adatbázissal szemben támasztott követelmények:
• Hatékonyság
• Ismétlődés mentesség
• Adatvédelem miatt a hozzáférési jogosultságok kezelése
• Hibátlanság, az adatbázis egységének védelme
• Helyreállíthatóság
• Több felhasználós adatbázisnál az egyidejű hozzáférés lehetősége.
8
9. Adatmodell: A valós világ leképezése valamely tárolási struktúrába. Minden adatbázis
valamilyen adatmodellen alapul.
Az adatmodell részei
• Alapelemek: amiben az adatokat tárolják
• Integritási kényszerek: szabályok, amiket bizonyos adatoknak a hibátlanság
érdekében be kell tartani
• Megszorítások: egyes adatokra vonatkozó szabályok
• Műveletek: amiket az adatokkal el lehet végezni.
Modellezési alapfogalmak
• Egyed (entity): a valós világ önállóan létező eleme, pl.: Mátyás király, Duna folyó
• Egyedhalmaz: azonos jellegű egyedek halmaza
• Kapcsolat: két egyedhalmaz egyedei között fennálló kapcsolat, pl. Zala vármegye
települései.
• Kapcsolat előfordulás: két egyed között fennálló kapcsolat
• Tulajdonság (attribútum): egyedre jellemző dolog. Pl.: Vár építés éve, állapota
• Tulajdonság érték: a tulajdonság konkrét értéke, pl. Komárom Csillagerőd 1849
Kapcsolatok osztályozása résztvevők száma szerint, amikor azt vizsgáljuk, hogy a
kapcsolat hány egyedhalmaz között áll fenn:
• Unáris (egy résztvevő)
• Bináris: ( két résztvevő)
• Trináris ( három résztvevő).
• Lehet háromnál több résztvevő is
Kapcsolatok osztályozása típus szerint (bináris kapcsolat esetén), amikor azt vizsgáljuk,
hogy az egyik egyedhalmaz egy egyede a másik egyedhalmaz hány egyedéhez
kapcsolódik:
• Egy-egy (1:1)
• Egy-több (1:N)
• Több-több (N:M).
Az egyedek valamely tulajdonsága lehet:
• Azonosító: egyedi értékkel rendelkezik
• Egyértékű: egyetlen adatértékkel rendelkezik
9
10. • Többértékű: több adatértékkel rendelkezik
• Összetett: további tulajdonságokra bontható
• Származtatott: más tulajdonságból kiszámítható
Adatmodellek fajtái:
• Hierarchikus adatbázismodell: az egyed adatait rekordban tárolja, kapcsolat leírása
a rekordban található kapcsoló mezővel történik, csak 1:1 és 1:N típusú
kapcsolatot tud kezelni. Bármely elemét logikailag csak egy úton lehet elérni. Ez a
logikai út az ág, a hierarchia csúcsa a gyökér, az elágazási helyek csomópontok.
• Hálózatos adatbázismodell: az egyed adatait rekordban tárolja, kapcsolat leírás
kapcsolómezőkből álló kapcsoló rekorddal, mindhárom kapcsolat típust kezeli.
Minden rekord kapcsolatban áll más szinten lévő rekordokkal.
• Relációs adatbázismodell: az egyedhalmaz egyedeinek és a kapcsolatoknak az
adatait táblázatokban tárolja, mindhárom kapcsolat típust kezeli, kapcsolat leírás a
megegyező adatértékekkel történik.
• Objektumorientált adatbázismodell: A rendszer legkisebb eleme az objektum,
mely a valós világ elemein kívül a velük végezhető műveleteket is tárolja, ez a
tulajdonság a becsomagolás (encapsulation). Mindhárom kapcsolat típust kezeli.
Relációs adatmodell:
A relációs adatbázismodell esetén a tulajdonság értékeinek vagyis az adatok rögzítésének
tárolása adattáblában történik. Egy táblázat vagy egyedhalmazt, vagy kapcsolatot, vagy
mindkettőt leírja.
Adattábla:
Egy halmaz elemeinek különböző jellemzőit tároljuk egy adattáblában. Egy adatsor vagy
rekord tartalmazza a halmaz egy elemének tárolt jellemzőit. Egy oszlop tartalmazza a
különböző elemek egy bizonyos jellemzőjét. Ezt nevezzük adatmezőnek.
Reláció Neve
Elsődleges
kulcs
Tulajdonság nevek
1 Tulalajdonság nevek 2
1 T11 T21
2 T12 T22
Sor 3 T13 T23
Oszlop
1. Táblázat: Egyszerű példa az adattábláról
10
11. Adattábla tulajdonságai:
• Egyértelmű neve van
• Első sor a fejsor, ez tartalmazza a tulajdonságokat, ami megnevezi az oszlopokat,
minden oszlopnak egyedi neve van
• Egy-egy sorban egy-egy egyed vagy kapcsolat előfordulás adatai találhatók
• A táblázat szabályos kétdimenziós, minden sorban ugyanannyi oszlop
• Nincs két azonos sor a táblázatban
• Van egy (vagy több) adatmező, melynek értéke a rekordot (az egyedet vagy
kapcsolat-előfordulást) egyértelműen azonosítja. Ezt nevezzük elsődleges
kulcsnak ( vagy Primery key- nek, feladata az azonosítás)
• Minden mezőben csak egy adatérték szerepelhet.
Adattáblák összekapcsolása:
Az adatbázis részei nemcsak az adattáblák és a közöttük definiált kapcsolatok, hanem
azok az eszközök is, amelyek segítségével az adatokat rendezhetjük, kiválogathatjuk,
csoportosíthatjuk stb. Ilyenek a lekérdezések, jelentések, űrlapok, makrók.
Műveletek egy adatbázisban:
• Adattábla létrehozása, rekordszerkezet meghatározása
• Adatbevitel
• Rekordszerkezet módosítása
• Adatok módosítása, tallózás az adattáblában.
1.2.4 A felhasználók
A térinformációs rendszerek létrehozásához és működtetéséhez megfelelően képzett
szakemberekre van szükség. A szakemberek képzésére is nagyon nagy hangsúlyt kell
fektetni, hiszen a beruházások csak akkor térülnek meg igazán, ha hozzáértő személyek
kezelik és hasznosítják a rendszerben rejlő lehetőségeket.
A különböző felhasználók más-más igényt támasztanak a rendszerrel szemben, ami akár a
térképi megjelenést is alapvetően befolyásolja.
11
12. 1.3 A történelmi térinformatika
Szakmai körök között a történelmi térinformatikát angol jelentéséből eredően (Historical
GIS) nevezik HISGIS-nek vagy HGIS-nek. A térinformatika sokszínűségét bizonyítja,
hogy a hagyományosnak mondható területeken túl (pl.: környezetvédelem, közműhálózat
nyilvántartás), a 90-enes évektől egyre több, a történelemmel kapcsolatos térinformatikai
rendszer jött és jön létre ma is. Mivel a történelmi események legtöbbje köthető egy
meghatározott földrajzi helyhez, ezáltal várható volt a térinformatikának ebben a
témakörben történő megjelenése. A térbeli megjelenítésre használt 3 dimenzió mellett a
HGIS-ben már szerepet kap az idő, mint 4. dimenzió. A régészetben már korábban
irányultak arra vonatkozólag lépések, hogy az egyes nyilvántartásokat valamilyen
térinformatikai rendszerrel oldják meg. A történelmi térinformatikával kapcsolatos
megnyilvánulások eleinte egy-egy nemzet múltjához kötődtek. Ilyenek voltak többek
között az USA vagy Nagy- Britannia nemzeti történelmi térinformatikai rendszerei,
amelyek elsősorban a változó közigazgatási területek, valamint az ehhez kapcsolódó
népszámlálási és egyéb publikus adatokat tartalmazták. A vizsgált időtartam általában a
19. és a 20. századra korlátozódott. Az igények bővülésével egyre több kisebb területeket
felölelő minőségibb forrásokat felhasználó rendszerek jöttek létre (pl.: Az Amerikai
Polgárháború előestéjét- Valley of the Shadow- feldolgozó projekt). Magyarországon is
történnek próbálkozások, hasonló nagy volumenű térinformatika rendszer felállításáról.
Példaként említeném a HUNAGI kezdeményezését, amely egy ilyen irányú projekt
létrehozását célozza meg.
1.3.1 Alkalmazási lehetőségek
12
13. 2. A terület bemutatása
BARANYA VÁRMEGYE:
Területének nagy része dombság. Keletről Bács-Bodrog, délről Verőce,
nyugatról Somogy, északról pedig Tolna vármegye határolta. Eredeti területe
5177 km2, melyből 1920 után 1136 km2-t Jugoszláviához csatoltak. A
vármegye területe egészen a csiszolt kőkorszaktól folyamatosan lakott volt. A rómaiak az
i.e. 9-12. században érkeztek erre a területre. Az i.e.-i 10. században Pannóniát külön
tartománnyá formázták. Egyik résztartományának, Valeriának Sopianae - vagyis a mai
Pécs - lett a közigazgatási központja. A Római Birodalom felbomlása után a területet 411-
ben Attila hun király csapatai szállták meg, majd egy rövid ideig a Keletrómai
Birodalomhoz tartozott. Ezután az avarok alakítottak ki itt erős hatalmat. Az avar korszak
után 795-től a Frank Birodalom része volt. Pécs latin neve Quinque Ecclesiae volt. A
honfoglaló magyarok közül Botond törzse 899-ben érkezett a Mecsekaljára.
A vármegyét I. István király alapította a pécsi püspökséggel együtt, ami magába foglalta
Baranya, Tolna és Somogy megyéket, valamint a Dráva-Száva közének nagy részét is.
Nevét Baranyavárról kapta, amely a tatárjárás után Pécs mellett a legfontosabb stratégiai
település volt. Egy 1093-ból származó oklevélben találkozhatunk először Pécs nevével
(Peuche alakban), illetve Moháccsal, amely akkor még apró halászfalú lehetett. A
tatárjárás idején a lakosság sokat szenvedett. Pécs a 14. században kulturális és gazdasági
központ lett. A mohácsi csatavesztés után a vármegye a Sziget kivételével (mely 1566-
ban, Zrínyi eleste után került török kézre) török fennhatóság alá került és Pécs szandzsák
(az Oszmán birodalom legkisebb területi egysége) székhely lett. A város felszabadulása
1686-ban következett be, a török csapatok 1689-ben végképp elhagyták a vármegye
területét. Ezt követően a Habsburg Császárság birtokolta. A Rákóczi- szabadságharc nagy
pusztítást okozott, a lakosságnak csupán 40%-a (körülbelül 13 000-15 000 fő) élte túl
ezeket a zavaros időszakokat, ezért volt szükség nagyszabású betelepítésekre, melynek
eredményeképpen megjelentek a német, a horvát, a szerb és a bosnyák kisebbségek. A 19.
század végén Pécs lakosságának száma 29 000-ről 54 000-re emelkedett. 1910-ben a
vármegyének összesen 352 478 lakosa volt. A trianoni békeszerződés után 1136 km2-ét
csatoltak Jugoszláviához. A II. világháborúban egy rövid időre újra egyesült a megye, de
később az elcsatolt rész visszakerült Jugoszláviához. Ez 1991-óta Horvátország része.
13
14. ESZTERGOM VÁRMEGYE:
Hajdani területe 1077 km2 volt és a Duna mindkét partja hozzá tartozott.
Északon Bars, keleten Hont és Pest-Pilis-Solt-Kiskun, délen és nyugaton
pedig Komárom vármegye határolta. Központja Esztergom volt. E vármegye
területén is találtak őskori településekre utaló nyomokat. A római korban a mai
Esztergomból, Solváról irányította hadjáratait sokáig Marcus Aurelius. A Birodalom
bukása után a régészeti leletek tanúsága szerint előbb germán, majd avar és szláv törzsek
telepedtek le Esztergom területén. A honfoglalás után a Tarján és a Kürt-Gyarmat törzs
szállta meg a vidéket. Géza fejedelem 970 körül áttette székhelyét Esztergomba. I. István
itt született és itt is koronázták királlyá. István alakította ki a várispáni székhelyeket és a
püspökségeket, melyek feje az esztergomi érsekség volt. 1000 körül indult meg a királyi
vár építése. A város és a vármegye nevének eredete nem tisztázott. Egyes szerzők szerint
a közeli bőrkészítők nevéből ered, mások úgy gondolják, hogy a Duna (Ister) és Garam
(Granum) folyók neveinek összeolvasztásából jött létre, megint mások az Oster-ringen
(Keleti Vár) névből származtatják – így hívták ugyanis ezt a vidéket a frankok. Esztergom
a 11-12. században az ország központja lett, ide szállították az adókat is, továbbá
megkapta a szabad királyi város rangot. Az 1241-es tatár támadás nagy pusztítással járt.
IV. Béla ekkor helyezte át székhelyét a jobban védhető Budára. A 14. századig a
vármegye virágzott. A mohácsi vész után Esztergomot 1543-ban a törökök az esztergomi
szandzsák központjává tették. A törökök akkora pusztítást végeztek, hogy az akkori 1322
portából csupán 6 maradt. A 17. század végére megközelítőleg 40 000 ember lakta a
vidéket. II. József 1786-ban egyesítette Esztergom és Komárom vármegyét és
központjának Tatát nevezte meg, 1790-ben azonban (II. József halála után) az egyesített
vármegye ismét külön vált. A megye lakóinak száma 1881-ben 72 166 fő, 1891-ben pedig
78 378 fő. Az I. világháború után Esztergomot megcsonkították: Csehszlovákiához
csatoltak 3327 km2-t és a 48 községből 26-ot. 1938-ban az első bécsi döntést követően
Esztergom újjáalakult, de a második világháborús vereség után ismét visszaállították a
trianoni határokat. 1949-ben létrejött Komárom-Esztergom megye, most már Tatabánya
székhellyel.
FEJÉR VÁRMEGYE:
Fejér vármegye területe délen dombos, északon hegyek borítják. Északon
Komárom, keleten Pest-Pilis-Solt-Kiskun, délen Tolna, nyugaton Veszprém
vármegye határolta. Szintén nagyon korán, a 11. században alapított
14
15. vármegye, melynek alapterülete 4129 km2 volt, s egyike azon megyéinknek, amelyek a
világháborúk után növekedtek: mai területe 4374 km2.
Fejér területén sok régészeti leletet tártak fel az őskori ember barlangjaitól a bronzkori
földvárakon át a római településekig. A Római Birodalom korában jelentős települések
alakultak ki itt: Floriana (Csákvár), Osones (Bodajk), Gorsium (Tác). Ezt követően az
avaroknak sikerült a területet egyesíteni. A honfoglaló magyarság 895-900 körül érte el a
területet, és központi helyzete miatt a fejedelmi törzs telepedett itt le. A vármegye első
írott forrásban 1009-ben jelenik meg, tehát kialakulása I. István nevéhez köthető.
Székesfehérvár fontos közigazgatási központ lett, egyes kutatók szerint Istvánt itt
koronázták meg (nem Esztergomban). A 14 és 15. században jelentős besenyő és kun
betelepülés történt. A török uralom alatt a megye 3 szandzsákság alá tartozott. 1692-ben
szervezték újjá a vármegyét, de Székesfehérvár szabad királyi városi címét és jogait csak
1703-ban nyerte vissza. Az elnéptelenedés miatt a 17. század folyamán betelepítésekre
volt szükség. Ugyanekkor csatolták át Pest-Pilis-Solt-Kiskun vármegyéhez a solti
területet. 1896-ban Fejérben 17 mezőváros, 1 szabad királyi város, 72 falu, 15
községesített puszta volt, lakosainak száma pedig nagyjából 222 445 volt. Az 1960-as
évektől megindult a gazdasági fejlődés.
GYŐR VÁRMEGYE:
Győr vármegye nagy részét a Kisalföld síksága alkotja, a maradékot pedig
a Bakony legészakibb csoportja. Északon Pozsony, keleten Komárom,
délen Veszprém, nyugaton pedig Moson és Sopron vármegyék határolták.
Régi területe 1534 km2 volt, ebből 1451 km2 maradt Magyarországnak. A
régészeti leletek tanúsága szerint a megye egyes részei már 5000 éve lakottak. A sok
népcsoport közül, amelyek birtokukba vették a területet, a keltáknak volt nagy szerepük,
akik Győr településnek az Arrabona nevet adták, amelyet később a rómaiak is átvették. A
Győr név az első (,egyébként német származású) várispán nevéből (Geur) származik. A
honfoglalást követően a területet I. István szervezte vármegyévé Győr központtal. A város
1455-ben kapott szabad királyi város rangot, amiért a II. Ottokár cseh király elleni
harcokban kitartott. A török időkben is fontos végvár-terület volt a megye, Bécs védelmét
látta el. Az Oszmán Birodalom 1541-ben foglalta el és 1598-ban szabadult föl. A
következő századokban a terület fejlődésnek indult, 1667-ben címert kapott, Győr pedig
egyre inkább kulturális központtá vált. Ezt a hullámot megszakította az 1848-as
szabadságharc és a világháborúk, melyek következtében a megye 83 km2-ét
15
16. Csehszlovákiához csatolták, a maradék területet pedig 1923-ban összevonták a szintén
csonka Moson és Pozsony vármegyékkel Győr-Moson megye néven. Az 1950-es
megyerendezéskor hozzá csatolták még Sopron megye maradékát, így kialakítva Győr-
Sopron megyét, melyet 1990 óta Győr-Moson-Sopronnak hívnak.
KOMÁROM VÁRMEGYE:
Komárom területét nagyrészt síkság borította. Eredetileg 2834 km2 volt és
szintén átnyúlt a Dunán. Északról Pozsony, Nyitra és Bars vármegyék,
keletről Esztergom, délről Fejér, nyugatról pedig Győr vármegye határolta.
Komárom története szorosan összefonódik Esztergoméval. Komárom
területén a vértesszőlősi leletek tanúskodnak az előember (homo erectus) jelenlétéről. A
római korszakban is jelentős terület volt, hiszen Brigetio (a mai Szőny) katonai központ
lett. A népvándorlás korában Esztergom vármegyéhez hasonlóan avar és szláv csoportok
telepedtek le itt. A honfoglalást követő években Lél törzse hódította meg a vidéket. A
vármegye létrehozása szintén I. István nevéhez fűződik, s nevét Komárom városról kapta.
Komárom nevének eredete vitatott: a legelterjedtebb nézet, miszerint a szlovák komár
(vagyis szúnyog) szóból származik. Más szerzők szerint a Camarum név a latin aurum
(tehát arany) szót rejti magában. Egyes kutatók a kunok latin nevét (cumanus) tartják az
eredetének. Bár a tatárjárás komoly károkat okozott, mégis bizonyítékaink vannak, hogy
Komárom Dunán inneni településeinek nagy része már az Árpád-házi királyok idejében is
létezett. A mohácsi csatavesztés után a vármegye az esztergomi szandzsákhoz tartozott,
bár folyamatosan működött (szemben Esztergom vármegyével). Ez idő alatt 92 község
teljesen elnéptelenedett. Komárom felszabadulását 1685-től számítják, mikor Tatáról
kivonultak a török csapatok. A Rákóczi-szabadságharc további károkat okozott. Innentől
tulajdonképpen Komárom története összeolvad Esztergoméval. 1891-ben a vármegyének
159.504 lakosa volt. A trianoni döntés után Csehszlovákiához került 1392 km2.
MOSON VÁRMEGYE:
Moson vármegye területét szinte teljes egészében síkság borította. Északon
Ausztria és Pozsony vármegye, keleten Pozsony és Győr, délen Győr és
Sopron vármegyék, nyugaton pedig Ausztria határolta. Eredeti területe 1989
km2 volt, Trianon után ebből 1076 km2-t Ausztriához csatoltak. A honfoglalást
megelőzően a régészeti leletek hiánya és a domborzat miatt a kutatók arra következtetnek,
hogy a vármegye területe viszonylag ritkán lakott volt. A területet Lél vezér vette
16
17. birtokba. I. István alapította a vármegyét Moson központtal, amely a németek elleni fő
végvár volt. Moson neve valószínűleg szláv eredetű, jelentése mocsári vár. A mosoni vár
lerombolása (1271) után a megye központja Óvár lett, amelyet a 17. századtól Magyar
Óvárként emlegettek. A város 1345-ben Budáéhoz hasonló jogokat kapott, s 1558-tól
saját nyomdával rendelkezett. 1683-ban a visszavonuló török csapatok felégették. A
következő századokban a megye fejlődésnek indult. 1905-ben Moson és Óvár
egyesüléséből létrejött Mosonmagyarórvár. 1910-ben a vármegyének 94 479 lakosa volt.
Az I. Világháború után története összefonódik Győr és Sopron megyékkel.
PEST-PILIS-SOLT-KISKUN VÁRMEGYE:
A vármegye területe sokszínű: északon dombvidékek, míg délen síkság
húzódott. Északon Esztergom, Hont és Nógrád, keleten Jász-Nagykun-
Szolnok és Csongrád, délen Bács-Bodrog, nyugaton pedig Komárom, Fejér
és Tolna vármegyék határolták. Területe 13 168 km2 volt. A vármegye kialakulása
szakaszos folyamat volt. Először Pest és Pilis vármegye egyesült (1492), később a Fejér
vármegyei Solt régió csatlakozott (1569), végül Kiskun kerületet is hozzácsatolták
(1876).
Pest vármegye területe már a kőkorszaktól kezdve lakott volt. Az i.e. 6. században szkíta
törzsek telepedtek le itt. I.e. 300 körül jelentek meg a megye területén a kelták (a
Dunakanyarban az eraveszkuszok, tőlük délre pedig az anartusz törzs élt). I.e.11-től a
Duna jobb parti területe a Római Birodalomhoz tartozott – ebből a korból több várost is
feltártak a vidéken. A Dunától balra a szarmata-jagizok, majd a kvádok éltek. A rómaiak
után a hunok uralták a területet, akiket a gepidák, aztán keleti germán népek és a
longobárdok, végül az avarok követtek. A honfoglalást követően Árpád és Kuruszán
főfejedelem osztozott a Duna menti területeken. I. István a vármegyeszervezéskor
Visegrád vármegyét alapította meg. Ez magába foglalta a későbbi Pest és Pilis megyék
területét és a Csepel-szigetet. A 15. század közepétől megalakult Pilis és Pest megye
különleges helyzetben volt Magyarországon: nem volt ispánja, se alispánja, két szolgabíró
intézte az ügyeket. Pest megye nevével először 1255-ben találkozunk, névadója Pest
városa volt. A két megye különleges helyzetét többször törvénybe foglalták. Teljesen
külön életet éltek a török támadásokig. Itt kell szólni a fejéri solti részéről, mely a 15.
században teljesen kivált a vármegyéből, de nevét megtartotta. 1526-ban Pest, Pilis és
Solt török kézen volt. Ebben az időben egy vármegyévé egyesültek, s ezt az állapotot
1659-ben törvényben is rögzítették. A török kiűzése után a vármegye gyorsan benépesült:
17
18. sokan visszatértek és külföldről is érkeztek betelepülők. A Rákóczi-szabadságharc alatt
azonban ismét elnéptelenedett. Az 1848-as szabadságharcban központi szerepet játszott.
A bukás után a Habsburg abszolutizmus időszakosan 2 részre szakította a megyét: Pest-
Pilis és Pest-Solt területre. A kiegyezés után 1867-ben újra egyesítették a két részt,
továbbá hozzácsatolták Bács-Kiskun vármegye Kiskun területét. 1873-ban Pestet, Budát,
Óbudát és a Margit-szigetet Budapestté egyesítették. A II. világháborúban nagy
veszteségeket szenvedett. 1950-ben a megyerendezés során Budapesthez kapcsoltak 7
várost és 16 községet. Ebben az évben bomlott fel a vármegye a mai utódaira.
SOMOGY VÁRMEGYE:
Somogy vármegye területét síkság alkotja. Régen a Balaton is hozzá
tartozott közigazgatásilag. Északon Zala és Veszprém, keleten Veszprém,
Tolna és Baranya vármegye, délen Horvát-Szlavonország, nyugaton pedig
Zala vármegye határolta. Területe 6675 km2, mely a világháborúk után sem változott.
Somogy területe már a jégkorszakban is lakott volt. Az első kelta törzs (a hallstadtiak) az
i.e. 8. században telepedtek le, míg a második hullámban a hercuniates-törzs (i.e. a 3.
Században) hódította meg a vidéket. Mikor a rómaiak elfoglalták a területet, központjául
Triccianát (Ságvár) tették meg. Ők telepítették Somogyba a szőlőt és a Sió csatornázását
is elkezdték. A birodalom bukása után germán és avar törzsek háborúztak a megye
területén, majd a Frank Birodalom idejében szinte teljesen kiirtották az avarokat a
keresztséget terjesztő frankok. A honfoglalást követően a Bogát és a Bő nemzettség
telepedett le itt, majd a 10. század közepén Koppány és Fajsz vette át a hatalmat.
Koppány Kupa-hegyi földvárából irányította „országát”. A vármegyerendszer
kialakításakor I. István a területet királyi birtokká tette és vármegyét alapított Somogyvár
központtal. A stratégiailag fontos pontokon felépült a sűrű földvárhálózat, majd több
bencés monostor is létrejött. Ezeknek köszönhetően Somogyvár fontos kulturális központ
lett. A tatárjárás azonban nagy pusztítást hozott a vidékre. A török hódoltságig a
vármegye folyamatosan fejlődött. Mohács után gyakorivá váltak a török betörések. 1600-
ban esett el Kanizsa vára, ettől számítják a vármegye teljes elfoglalását. A terület a
mohácsi szandzsáksághoz került, majd önálló szandzsákságot szerveztek Koppány (ma
Törökkoppány) központtal. A hódoltság alatt a somogyi porták száma a korábbi
harmadára csökkent. A községek 75 % -a kipusztult, mindössze 225 élte túl. A Rákóczi-
szabadságharc tovább rontotta az állapotokat. Somogy lakossága ekkor 65 000 - 80 000
főre becsülhető. A megye 1715-ben kapta vissza önállóságát. 1720 és 1740 között a
18
19. népesség 163 500-ra emelkedett, nem csak a természetes szaporulat és az országon belüli
vándorlásnak köszönhetően, hanem a jelentős délszláv és német betelepülésnek is. 1846-
ban a 238 140 főnyi lakosság 13 mezővárosban és 293 faluban élt. A szabadságharc után
241 720 ember élt a megye területén. A kiegyezést követően megindult a modernizáció.
1950-ben a vármegye átalakult megyévé, valamint visszakapta Siófokot és környékét,
melyet 1850-ben Veszprém vármegyéhez csatoltak.
SOPRON VÁRMEGYE:
Sopron vármegye területét nyugaton hegység, keleten síkság borította.
Északon Ausztria és Moson vármegye, keleten Győr, délen pedig Vas
vármegye határolta. Eredetileg 3256 km2 volt, a világháborúk után
Ausztriához csatoltak 1341 km2-t 104 községgel. A vármegye területe a Soproni-
medence kedvező földrajzi adottságainak köszönhetően már igen korán lakott volt. A
kelta időkben a mai Sopron város helyén Scarbant település létesült, melyet a rómaiak
Scarbantiának neveztek (ami sekély vizet jelent). A honfoglalást követően Súr vezér
hódította meg a vidéket. Miután I. István megalapította a vármegyét, felépíttette
székhelyéül Sopron várát. A város 1277-ben kapott szabad királyi városi rangot. A
törökdúlás nagyon megviselte a vármegye lakosságát, egyes települések (pl. Nemeskér)
teljesen elnéptelenedtek. 1651- 1786-ig Nemeskér volt a központja. Az 1848-as
szabadságharcban a vármegye nem játszott különösebb szerepet. 1891-ben a vármegye
lakossága 259 602 fő. 1919-ben egy részét Ausztriához csatolták, 1921-ben (az ágfalvi
csata után) azonban a velencei egyezményben foglaltak alapján népszavazást tartottak,
amelynek eredményeképpen Sopron Magyarország része maradt – ezért lett a Hűség
Városa. A vármegye csonkját ezek után más vármegyékkel egyesítették Győr-Moson-
Sopron néven. 1950-ben ennek déli részét Vas megyéhez csatolták.
TOLNA VÁRMEGYE:
Tolna vármegye területén dombság és síkság egyaránt található. Északon
Somogy, Veszprém és Fejér, keleten Pest-Pilis-Solt-Kiskun, délen Baranya,
nyugaton pedig Somogy vármegye határolta. 3537 km2-ét a trianoni
békekötés érintetlenül hagyta. A vármegye területe az őskortól kezdve lakott volt, ahogy
azt több település is bizonyítja. A kelták Regöly környékén, a rómaiak pedig Tolna
mellett telepedtek le. A honfoglalás után Árpád törzse vette birtokba a vármegye
területének nagy részét. I. István Tolna vármegyét Tolnavár (ma Tolna) központtal
19
20. szervezte meg. A név eredete nem tisztázott. Először az 1055-ös Tihanyi alapítólevélben
bukkan fel (Thelena), amely egyes kutatók szerint a latin telona (vámok) szóból ered. Más
kutatók azonban nem zárják ki a személynévi eredetet sem. A tatárjárás nem kímélte ezt a
vármegyét sem, ám ezután folyamatos fejlődés következett: ez idő alatt felépült
Simontornya, Ozora és Szekszárd vára is (Tolnát még I. István építtette). A 14. században
új központja Szekszárd lett. A mohácsi vész után közvetlenül beáramlottak a török
csapatok a megyébe. A lakosság nagy része elmenekült a Duna túloldalára. A város, mely
1560 körül még 8000 lakossal büszkélkedhetett, a török idők folyamán szinte teljesen
elnéptelenedett: 1696-ban mindössze 22 szerb, 6 magyar és 1 német család élt itt. A
Rákóczi-szabadságharc idején a helyzet tovább romlott, mert a szerbeket elűzték vagy
megölték: az egész településen csupán 9 háznyi magyar maradt. A 18. századtól gyors
fejlődés volt tapasztalható. A vármegye területén 1891-ben 151 098 volt a lakosok száma.
A világháborúk után, 1950-től alakult át megyévé.
VAS VÁRMEGYE:
Vas vármegye területén a Kisalföld és Alpok egy-egy szelete fekszik. Északon
Sopron, Keleten Veszprém, délen Zala vármegye, nyugaton pedig Ausztria
határolta. Hajdani területe 5474 km2 volt, melyből 1920 után 1580 km2-t
Ausztriához, 610 km2-t pedig Jugoszláviához csatoltak. A vármegye területén már a
neolitikumtól fogva jelen van az ember. A római korban fontos település jött létre itt,
Savaria (a mai Szombathely). A rómaiak után (az i.sz. 5. századtól) hun, gót, majd
longobárd, később avar és frank hódítói voltak a területnek. A honfoglalás és a
kalandozások után különféle határőr népek telepedtek le itt (tehát ún. gyepűvidék lett). A
vármegyét I. István alapította, s központja Vasvár volt. Elhelyezkedésének köszönhetően
már ebben az időben több vár is épült területén A török időkben a vármegye nem került
tartósan megszállás alá, de jelentős, a török csapatok elől menekülő horvát népesség
telepedett le itt. 1578-ban a vasvári káptalan Szombathelyre menekült, ettől kezdve ez lett
a vármegye székhelye. Az 1848-as forradalom eseményei csak érintették a határ menti
megyét. A kiegyezés után a terület erőteljes fejlődésnek indult. A vármegye lakosainak
száma 1891-ben 390 371 volt. 1920-tól a megye lakosainak és területének jelentős részét
elcsatolták. 1950-ben a megyerendezések alkalmával Vas területéhez csatolták Sopron
megye egyes részeit, valamint átcsatoltak valamennyit Zala és Veszprém megyéhez.
Ugyanebben az évben alakult át megyévé.
20
21. VESZPRÉM VÁRMEGYE:
Veszprém területét a Bakony hegység és a körülötte elterülő síkságok alkotják.
Északon Győr, keleten Fejér, délen Tolna, Somogy és Zala, nyugaton pedig
Vas vármegye határolta. Veszprém területét ugyan nem befolyásolta a trianoni
békeszerződés, de több kisebb alakítás után ma a területe 3953 km2. A vármegye
területén már 80 000 éve megjelent az ember: vörös festékanyag bánya nyomait találták
mag Lovas község mellett. A rómaiak is nyomokat hagytak itt, Gyulafirátótnál kisebb,
Bálcán pedig nagyobb települést alapítottak Caesariana néven. A honfoglalást követően a
vármegye területét a fejedelmi törzs vette birtokba. Veszprémben épült föl az ország
egyik első kővára. Veszprém neve a szláv eredetű Bezprem névből ered, aki egyes
kutatók szerint I. István lánytestvérének fia volt, mások szerint egy vezér lehetett vagy
talán a vármegye első ispánja. Veszprém fontos szerepet játszott a középkori
Magyarország életében. Gizella, a király felesége is sokat időzött a városban (ezért is lett
a királynők városa) és itt tette le a legenda szerint Szent Imre herceg a szüzességi
fogadalmát. A vármegye ekkor körülbelül 160 falut számlált. A törökök 1552-ben
foglalták el Veszprém várát, a lakosság nagy részét legyilkolták vagy fogságba ejtették. A
város a török uralom alatt 10 alaklommal cserélt gazdát. A püspökök ezalatt Sümegen
székeltek. A felszabadulás után Veszprém végvári jelentőssége megszűnt. A Rákóczi-
szabadságharc alatt a vármegye sokat szenvedett, több összecsapás is zajlott a területén,
de mindvégig „végzetes föld” maradt a kurucok számára (vagyis sosem tudták tartósan
felszabadítani). A 18. században megindult az újjáépítés, melyet az 1848-as
szabadságharc szakított félbe. 1850-től Siófokot, Pápát és a Balaton északi részének egy
kis darabját Veszprém vármegyéhez csatolták, melynek 1891-ben 215 280 lakosa volt. A
kiegyezés után megindult a modernizáció és az iparosodás. A II. világháború idején
jelentős hadiipar terepült a megyeszékhelyre, aminek következtében több bombatámadás
is érte. A Balaton délkeleti partszakaszának egy részét 1950-ben Fejér megyének adták,
ugyanekkor alakult át Veszprém megyévé.
ZALA VÁRMEGYE:
Zala területén síkságok és dombok váltogatják egymást, hajdan pedig a
Bakony déli része is a vármegyéhez tartozott. Északon Vas és Veszprém,
keleten Veszprém és Somogy vármegye, délen Horvát-Szlavonország,
nyugaton pedig Ausztria határolta. A vármegye egykor 5995 km2 volt, ebből a I.
Világháború után 1115 km2-t Jugoszláviához csatoltak. Zala területén az újkőkortól
21
22. kezdve jelentős települések alakultak. A régészek sűrű őskori falvak láncát tárták fel. I.
sz. 20-tól kelta betelepülés történt. A táborhelyükből alakult ki a római időkben Salla (a
mai Zalalövő), amely i.sz. 118-tól a környék közigazgatási központja lett. Neve
valószínűleg illyr-kelta eredetű és a Zala folyót jelölte. A népvándorlás korában hunok,
gótok, majd longobárdok lakták a területet, később az avarok hódították meg. A 840-es
évek elején a keleti frank császár elajándékozta a területet, ahol az új tulajdonos
felépítette Mosaburgot, azaz Mocsárvárat. A honfoglalás után Vérbulcsu törzse telepedett
le a gyepűvidéken. Zala vármegyét 1009-ben említik először, az első ispán, Kolon után
Colon néven, Zalavár-Vársziget központtal. A 14-16. században a vármegyének nem volt
állandó központja: a közgyűlések helyszínei kezdetben Kehida és Mándhida volt, később
Kapor és Egerszeg (a mai Zalaegerszeg). A török támadásokig sok mezőváros alakult,
élénk kereskedelmi élet zajlott. Az 1530-as évektől azonban egyre sűrűbb török betörések
következtek. 1566 (Szigetvár eleste) után Zala határterület lett: a délnyugat-dunántúli
végvárrendszer központja Kanizsa lett, melyet 1600-ban elfoglaltak a török csapatok. Az
új központ Egerszeg lett. A török kiűzése után közigazgatási központtá alakult és területe
(eredetileg 23 kis faluból alakult ki) jelentősen összement. A Rákóczi-szabadságharc
leverését követően a császáriak sorra lerombolták a vármegye 30 várát. Az 1860-as évek
Zala gazdasági életében is jelentősnek bizonyultak a vasút megépülése miatt. Ekkor
alakult ki a megye kétpólusossága: Nagykanizsa a gazdasági, Zalaegerszeg a
közigazgatási központ lett. 1891-ben a megye lakossága 404 699 fő. A világháborúk után
elcsatolják a déli és nyugati területeit. 1950-ben újabb megyehatár változtatások
történnek: Vas és Somogy megyétől átcsatolnak, Zalától pedig elcsatolnak
(Veszprémhez) egyes területeket.
22
23. 3. A megoldáshoz alkalmazható adatgyűjtési eljárások
3.1 Felhasznált adatok
Az adatbázis létrehozásához, illetve feltöltéséhez elsődleges szempont volt, hogy
ingyenes, viszonylag könnyen beszerezhető adatokhoz jussak.
Első lépésként a szükséges raszteres állományok beszerzésére koncentráltam. Megfelelő
felbontású képeket, csak az interneten való hosszas böngészés alatt sikerült találnom, és
ezekből is csak keveset, többnyire a digitalizáláshoz elégtelen felbontással. Szükség volt
tehát arra, hogy néhány, a feladat elvégzéséhez szükséges térképet szkenneléssel vigyek
fel a számítógépre. Ezeket középiskolai történelmi atlaszból szereztem be. Alap
raszterképül azonban mégis egy az interneten publikált erősen mozaikolt műholdképet
választottam, mivel ezen a vízrajzi elemek alig látszanak. A települések lerakásához pedig
szintén az interneten talált nagyfelbontású Magyarország térképet használtam fel.
Térinformatikai rendszeremben vizsgált településeket az említett atlaszból gyűjtöttem ki a
11. századtól egészen az 1990-es évekig. Az OSZK-ba (Országos Széchényi Könyvtár)
történő beiratkozásom után megyénként kerestem ki az érintett településekről a számomra
szükséges statisztikai adatokat, valamint helységnévváltozásokat, amelyeket a
Magyarország történeti statisztikai helységnévtára című könyvkiadványokban találtam
meg. Az érintett terület (Dunántúl: Győr-Moson-Sopron, Komárom-Esztergom, Pest,
Fejér, Veszprém, Vas, Zala, Somogy, Tolna, Baranya) 193 településéről (megyénként
átlagosan 15-20), összesen 376 digitális felvételt készítettem. A felvételek tartalmazzák a
helységnevek változásait, az alapítástól kezdve napjainkig, népességadatokat
(népességszám) az első népszámlálástól, tehát 1785-től egészen 1990-ig, részletezve a
népesség összetétele szerint is (magyar, német, szlovák, román, horvát, szerb, rutén,
roma, egyéb). A hatalmas mennyiségű rendelkezésemre álló adatból szelektálnom kellett,
így a névváltozásoknál csak az első említett, az 1200-as évek, az 1400-as évek, és az
1700-as évekbeli neveket, míg a statisztikai adatokból az 1785-ös 1910-es, és 1980-as
népszámlálás adatait használtam fel a későbbiekben. De mindezek ellenére is az adatok
mennyisége még mindig soknak mondható. Ezen kívül minden településre rákerestem az
interneten, és adatfeltöltésnél hypertextként beillesztettem ezek internetes elérhetőségeit
(települések, városok hivatalos, nem hivatalos honlapjai) Az alábbi kép szemlélteti, hogy
egy település felvételénél milyen adatok keletkeztek, a táblázat pedig megmutatja, hogy
23
24. egy-egy településhez milyen adatok kapcsolódnak, azaz a képből mely adatok kerültek
felhasználásra.
1. ábra: Meszlen településről készült felvétel
Nev Elso_emlites Elso_nev
Meszlen 1255 Mezlen
Telepules_neve Datum
Mislen 1200
Na. 1400
Meszlén 1700
Datum Osszlakossag Magyar Nemet
1785 622
1910 684 668 13
1980 332 0 0
Szlovak Roman Horvat Szerb
0 0 0 3
0 0 0 1
Ruten Roma Egyeb
0 0 0
0 0 0
2. Táblázat: Meszlen település névváltozásai, és statisztikai adatai
24
25. A várakkal már viszonylag könnyebben boldogultam, mivel minden számomra szükséges
adatot egy hely megtaláltam. Ez pedig a www.varak.hu címen elérhető honlapon található
meg. A Dunántúlon ábrázolt várak nagy részét a saját rendszeremben is feltüntettem.
Elsősorban azokat, amelyekről találtam alaprajzi képet, illetve digitális felvételt.
Ugyanakkor törekedtem arra is, hogy viszonylagos rendszerben töltsem le a számomra
szükséges adatokat, ezért csak a mai Dunántúl területén lévő várakat használtam fel.
Hozzá kell tennem, hogy a képek szerzői jogvédelem alatt állnak. Szakdolgozatomban
történő felhasználásukra engedélyt kaptam a honlap üzemeltetőitől. A várakhoz
felhasznált adatokra visszatérve, minden vár történelmi leírásánál igyekeztem kikeresni az
említett honlapon, hogy pontosan, vagy akár hozzávetőlegesen mikor épült. Saját
meglátásom szerint, a képeken látottak alapján 1-től 5-ig terjedő skálán osztályoztam ezek
állapotát. A térinformatikai rendszeremben szükségesnek láttam egyéb információk
feltüntetését is. Ezért gyűjtöttem adatokat például az ábrázolt folyókról, illetve tavakról
(pl.: Terület, vízhozam, honnan ered, hova ömlik, stb.), valamint egy-egy képet is
felhasználtam az adott objektumról. Az ábrázolt megyék címerei – ide értve a mai,
valamint középkoriakat – is, valamint ezek statisztikai (Népesség, népsűrűség) adataik is
feltüntetésre kerültek. Kitértem egyéb fontosabb csata ábrázolására is, a szükségesnek
vélt adatokat az internetről, és a Történelem 40 tételben című könyvből szereztem be.
Nem említettem még az Főiskola által rendelkezésemre bocsátott adatokat. Ez egy
jelenkori Magyarország adatbázis, amely a napjaink megyéit, a településeit, kistérségeit,
vízrajzát ábrázolta. Jelentősen szűkítettem ennek tartalmát, hiszen a például csak a
Dunántúlra volt szükségem, valamint a már meglévő adattáblákat is vagy töröltem, vagy a
rendszeremnek megfelelően módosítottam.
Összegezve a rendelkezésemre álló adatok a következők voltak:
• Történelmi atlaszból szkennelt képek
• Nagyfelbontású Magyarország térkép, vízrajz nélküli alaptérkép
• Magyarország középkori vízrajza kép
• Magyarország Történelmi Statisztikai Helységnévtára című könyvsorozat
statisztikai adatai
• Települések hivatalos, nem hivatalos internetes elérhetőségeik
• Várakról képek, alaprajzok, adatok a www.varak.hu –ról.
• Csaták adatai
25
26. • A Főiskola által rendelkezésemre bocsátott adatbázis
3.2. A vektoros állomány elkészítése
Miután összegyűjtöttem a szükségesnek vélt adatokat, következett ezek beépítése a
térinformatikai rendszerbe. Az iskola által rendelkezésemre bocsátott adatbázisból
indultam ki. Ezt betöltve Geomediába, megjelenítettem a térképi objektumokat, amelyek
többek között a vízrajz, a megyék, települések voltak EOV vetületben. A felhasználni
kívánt szkennelt térképek (JPG formátumban) betöltése egyszerű módon történt (Insert-
Interactive Image, itt kiválasztottam, hogy melyik adatbázishoz szeretném csatolni őket –
magyarorszagab –, és beállíthattam a réteg nevét is), azonban ezeket, mivel nem voltak
georeferálva, csak illesztőpontok segítségével tudtam a pontos helyükre illeszteni. Azaz a
már meglévő vektoros állomány és a raszterképek között közös pontokat kellett
keresnem. Itt nehézséget az okozott, hogy a raszteres képek felbontása nem volt
megfelelő, tehát a transzformálásuknál kisebb- nagyobb eltérések adódtak. Ez leginkább a
vízrajzi raszterképekre volt jellemző. Geomediaban a Tools menüpont alatt az Image
Registration paranccsal lehet elvégezni.
2. ábra: A kép regisztrálásakor felugró kezelőablak
Regisztrálásra került az alaptérkép, Magyarország a 11. és 15. században kép, a
nagyfelbontású Magyarország térkép, valamint a Magyarország középkori vízrajza kép.
Ezek digitalizálása előtt még változtatnom kellet a meglévő vektoros állományon, mivel
26
27. számos, a rendszerem működéséhez nélkülözhető
objektumot, és adatot tartalmazott (Split Feature,
valamint Edit Geometry funkciók segítségével). A
megmaradt csonka vektoros állomány tartalmazta a
Dunántúlon belül annak megyéit, országhatárrészét,
településeit (pont objektom), és vízrajzát.
Digitalizálás előtt elkészítettem azokat a rétegeket,
amelyekben az egyes objektumok szerepeltek
(Warehause- Feature Class Definition). Ahogy a
rétegkiosztás kivágatán is látszik definiáltam pont
objektum, tehát a települések, várak, csaták
lerakásához szükséges réteget, vonal típusú réteget
a vízrajzi elemek megjelenítéséhez, és felület
réteget, amelyek a határokat és vízrajzi elemeket
tartalmazzák. A raszteres állományok is külön
rétegekben szerepelnek. Digitalizálásnál az általános topológiai szabályokat követtem
(tehát például azonos rétegben lévő felületek nem fedik egymást). A feladatot jelentősen
könnyítette a Geomedia Smart Snap (törés-, vég-, csomópontokra történő automatikus
ugrás) funkciója, valamint az Existing Geometry (meglévő objektum geometriai
követése) funkció. Az egyes pont objektumok lerakásánál a Magyarország
nagyfelbontású raszterképet használtam, mivel ezen az összes település fel volt tüntetve.
A raszterekép pontatlanságából kifolyólag, nem pontosan annak helyére illesztettem ezen
objektumokat. A jelkulcsok kiosztásáról és a feliratok elhelyezéséről későbbiekben, a
megjelenítés fejezetben írok.
3.3 Felhasznált eszközök
Korábban általánosságban írtam a térinformatikai rendszerek alkotóelemeiről, ebben a
fejezetben pedig az általam használt hardvereket (ide értve az adatgyűjtéskor használtakat
is) és szoftvereket szeretném bemutatni. A hardverekről csak említőlegesen írok, míg az
általam használt szoftverről kicsit bővebben.
Az adatgyűjtésnél használt eszközök:
27
28. • Canon LIDE25 szkenner: A4-es síkágyas szkenner, 1200x1400 dpi felbontás, 48
bites színmélység, USB 2.0
• Nokia N80 Internet Edition 3G mobiltelefon: Symbian 9.1 Operációs rendszer,
512 MB miniSD kártya, 3 megapixeles beépített digitális fényképezőgép.
• A feladat végrehajtásánál használt eszköz:
• ASUS V6000 Laptop: AMD Athlon 3000+ processzor, 512 MB RAM, 60 GB-os
merevlemez, MS Windows XP SP2
• A feladat végrehajtásánál használt szoftverek:
• MS Access
• Geomedia Pro 6.0
3.2.2 Geomedia
Az általam használt szoftver az Intergraph Corporation terméke a Geomedia
Pro(fessional) 6.0, amely ideális eszköznek bizonyult a GIS adatok gyűjtéséhez, az
adatbázis feltöltéséhez, illetve az információk térképen történő ábrázolásához.
Képességeit tekintve teljes értékű térinformatikai program. Előnye abban rejlik, hogy
adatszerver technológiája támogatja a nyílt szabványokat. Ezáltal hozzáférést biztosít az
összes jelentősebb térbeli és CAD-es adatformátumhoz, valamint a jelenlegi szabvány
relációs adatbázisokhoz is. Térbeli és attribútum lekérdezésekhez szükséges elemző
eszközök állnak a rendelkezésünkre. Nagy előny ennél a programnál, hogy egyidejűleg
képes több elemzési műveletet elvégezni azáltal, hogy az egymásra épülő lekérdezések
végeredményeit dinamikusan, tehát valós időben végzi el. Tehát az adatokban történt
változás egyből hatással van az aktuális lekérdezése, annak megfelelően változik.
További előnyök:
• Nagyon jó térkép megjelenítési képességek
• Nyílt fejlesztői környezet
• Microsoft Windows-standard felhasználói interfész
A Geomedia a legelterjedtebb raszteres képformátumokat probléma nélkül fogadja
(Bitmap, TIFF, CALS, JPEG, Hitachi, IGS, valamint az Intergraph formátumok). A
beépített adatszerverek képesek dinamikusan elérni a főbb CAD és vektor GIS
28
29. formátumokat. Közvetlenül olvashatók a MicroStation, AutoCAD, ARC/INFO,
ARC/View, Mapinfo, stb formátumai.
A Geomedia termékcsalád főbb alkotóelemei:
• Geomedia
• Geomedia Proffesional
• Gips
o Topographer
o Cartographer
o Curator
• Geomedia Image
• Geomedia Object
• Geomedia Parcel Manager
• Geomedia PublicWorks Manager
• Geomedia Webmap
• Geomedia Webmap Proffesional
A Geomedia Webmap web alapú térképi megjelenítő, elemző eszköz. A szoftver térbeli
adatokra épülő interaktív weboldal, vagy webszolgáltatás létrehozását és működtetését
támogatja. Itt jegyezném meg, hogy az általam készített történelmi adatbázis későbbi
bővítése után az interneten történő publikációhoz ez a szoftvermodul kiválóan alkalmas
lehet.
Hardver és szoftverkövetelményei a következők:
• Hardver követelmények
o Min: Intel Pentium III, vagy ahhoz hasonló processzor
o 400 MB szabad hely a merevlemezen
o Ajánlott: 512 MB memória
o SVGA megjelenítő, ajánlott beállítás legalább 1024x768 felbontás 16 bites
színmélységgel
o CD-ROM meghajtó, egér, billentyűzet
o Opcionális: Printer, plotter, hangkártya
• Szoftver követelmények
o Operációs rendszerek
29
30. MS Windows 2000 SP4, MS Windows XP SP2, Internet Explorer
legalább 5.5-ös verziója
A feltüntetett hardver és szoftverkövetelmények csak a Geomedia Pro-ra vonatkoznak, az
egyéb modulok használatával ez természetesen módosulhat.
30
31. 4. Rendszertervezés
4.1. A rendszer létrehozásának célja
Feladatom egy történelmi térinformatikai mintarendszer létrehozása, amely Magyarország
népesség adatait, településének névváltozásait, egyes várak és csaták adatait dolgozza fel.
Ami később alapot nyújthat más térinformatikai rendszereknek, bővítésével jelentős
alkalmazási területeken terjedhetne el.
• Térképek gyors előállítása
• Múzeumi ismeretterjesztés
• E- learning
• Digitális történelmi atlasz
• Infrastruktúra fejlesztésében adódható problémák elemzésében
• Vidék és területfejlesztés
Célom, hogy a mintarendszer önmagában is információforrás legyen, ezáltal a
felhasználó, legyen az történész, térinformatikus, vagy történelem után érdeklődő
személy, pontos képet kapjon a magyarság, valamint a különböző kisebbségek
lélekszámának alakulásáról, a dunántúli települések névváltozásairól, valamint a várak
elhelyezkedéséről. Linkek segítségével azok történelméről közelebbi ismereteket
szerezzen.
4.2. A rendszerrel szemben támasztott követelmények és funkciók
Térinformatikai rendszeremmel szemben támasztott elvárások, követelmények és
funkciók az alábbi pontokban foglalhatók össze:
• Képes legyen megjeleníteni, térben elhelyezni a történelemmel kapcsolatos
adatokat.
• Mutassa az egyes objektumok főbb tulajdonságait, kapcsolódó információit, tehát
a földrajzi adatokhoz kötődő egyéb adatokat.
• A felhasználó, az adatbázis keretein belül, pontos és hasznos információhoz
jusson, ezek átláthatósága ne okozzon nehézséget.
31
32. • A térképi megjelenítés áttekinthető legyen (feliratok csak bizonyos
méretarányban jelenjenek meg)
• Hypertext alkalmazásával, a feltüntetett objektumokról, ne csak leíró adat álljon
rendelkezésre (URL címek belinkelése, képfájlokra történő hivatkozás)
• Képes legyen egyszerű, vagy akár több szintű lekérdezés elvégzésére, és ezek a
lekérdezések új információval szolgáljanak, mind adat, mind térképi szinten.
• Képes legyen övezetek generálására
• Képes legyen adattáblák összekapcsolására.
• A térképablak alapvető funkcióinak ellátása: mozgatás, nagyítás, kicsinyítés,
teljes nézet.
• A későbbiekben bővíthető legyen, alapot nyújtson újabb térinformatikai
rendszerek kialakításában, valamint internetes publikálása is megoldható legyen.
4.3. Adatbázis tervezés
Miután meghatároztam az elérni kívánt célokat, és megadtam rendszeremmel szemben
támasztott követelményeket, az adatbázis tervezés folyamatának láttam neki. Az
adatgyűjtés fázisában már leírtam, hogy mely kézzelfogható adatok álltak a
rendelkezésemre, a digitalizálásról is ott írtam, hiszen ekkor is egyfajta adatgyűjtést
végeztem. Ezek rendeltetése szerinti elkülönítése megtörtént. Azt tudni kell, hogy a
Geomediaban definiált rétegek az adatbázis-kezelő programban automatikusan
létrehoznak adattáblákat. Azaz már ekkor kénytelen voltam meghatározni az egyes
adattáblák neveit, készítettem táblanév_ID elnevezésű oszlopokat, amelyek egyedi,
növekvő sorszámú azonosítók. Ezek az azonosítók látják el az elsődleges kulcs szerepét.
A mezők neveit és típusait, valamint a rekordok feltöltését Access-ban végeztem el. Az
adattáblák nevein azonban már nem módosítottam. Ezzel elmondható, hogy a logikai
modellt normalizálással alakítottam ki.
A következőkben felsorolom az adatbázisban szereplő adattáblákat, részletesebben
kitérve néhány jelentősebbre.
Adatbázisomban a következő adattáblák szerepelnek:
• Allapotok
• Varak
• Csatak
32
33. • Varos
• Nevvaltozasok
• Nepesseg_szam
• Datum
• Megye
• Varmegye_hatarok_15sz
• Fokapitanysagok
• Torok_hodoltsag
• Tavak_napjainkban
• Vizrajz_felulet_napjainkban
• Vizrajz_vonalas_napjainkban
• Tavak_kozepkorban
• Vizrajz_kozepkorban
• Vizes_teruletek_a_kozepkorban
A fennmaradó további táblák egy részét a Geomedia hozta létre, a maradék pedig a
raszter képeket tartalmazza.
A Varak tábla egy rekordja tartalmazza az egyedi azonosítót
(számláló), a vár nevét (szöveg), az első okleveles említés évét
(szám), a településre vonatkozó kódot (szám), amelyet a Varos tábla
old fel, az állapotra vonatkozó kódot (szám), melyet az Allapot tábla
old fel, valamint tartalmazza a várról készült kép és alaprajz elérési
útvonalát (hypertext). Az állapot kód megadható értéke 1-től 5-ig terjedhet. Ennél kisebb,
vagy nagyobb értékek megadása nem megengedett. Ezt Acces-ben az érvényességi
szabály megadásával hoztam létre.
Az Allapotok tábla egy rekordja tartalmazza az egyedi azonosítót,
aminek az értéke 1-től 5-ig terjed, valamint az állapotot (szöveg).
A Csatak tábla egy rekordja tartalmazza a csata egyedi azonosítóját,
annak dátumát (szöveg), a településre vonatkozó kódot, amit a Varos
33
34. tábla old fel, a csata nevét (szöveg), a győztes és vesztes feleket, valamint a győztes és
vesztes uralkodókat (szöveg).
A Varos tábla egy rekordja tartalmazza az egyedi azonosítót, a
település nevét (szöveg), az oklevelekben történő első említés évét
(szöveg), és az itt szereplő első név szerinti említését (szöveg), a
megyéhez tartozó kódot (szám), melyet a Megye tábla old fel, linket
a település honlapjához (hypertext).
A Nevvaltozasok tábla rekordjai tartalmazzák, a saját egyedi
azonosítójukat, a nevet (szöveg), a településhez, és dátumhoz tartozó
kódot, melyeket a Varos és Datum táblák oldanak fel.
A Nepesseg_szam tábla egy rekordja a következőket tartalmazza:
egyedi azonosító, a vizsgált település kódját, amit a Varos tábla old
fel, a népszámlálás évének kódját, melyet a Datum tábla old fel,
valamint a népszámlálási adatokat tartalmaz, az összlakosságra, a
magyarok, németek, románok, horvátok, szlovákok, rutének, szerbek,
romák és egyéb népek lélekszámára vonatkozólag.
A Megye tábla rekordjai tartalmazzák a megye egyedi azonosítóját, a megye nevét
(szöveg), területét, össznépességét, népsűrűségét, településeinek számát (szám),
hivatkozást a megye címerére.
A Datum tábla egy rekordja tartalmazza az egyedi azonosítót, valamint a konkrét
évszámot.
A vízrajzi táblák rekordjai tartalmazzák az egyedi azonosítót, a vízrajzi objektum nevét,
képre történő hivatkozást. Ezen kívül a tavaknál a hosszúságot, átlagos szélességet,
átlagos mélységet, területet, valamint a part hosszát. A folyóknál pedig a hosszúságot, a
vízhozamot, vízgyűjtő területet, honnan ered, és hova ömlik.
34
35. 4.3.1 A kapcsolatok létrehozása
A teljesen kész adattáblák között Access-ben létrehoztam a kapcsolatokat. Az alábbi
ábrán látható, hogy az adatokat tároló táblák között 1:N típusú kapcsolat áll fenn. Vannak
olyan táblák melyek között nincs kapcsolat, ezek csak térképi megjelenítési célt
szolgálnak. Magyarázatra szorul a Varos és Varak között fennálló kapcsolat. Ez azért nem
1:N típusú, mert vannak olyan várak az adatbázisban, melyhez nem tartozik település.
Természetesen a valóságban igen, de az összegyűjtött települések halmaza ezt jelenleg
nem tartalmazza.
35
36. 3. ábra: Információs rendszerem történelmi adatokat tároló táblái és kapcsolataik
36
37. 5. Mintaadatbázis
5.1 Az elkészült adatbázis bemutatása
5.2 Lekérdezési lehetőségek
Az elkészült rendszerben számos lekérdezést végezhetünk el, melyek jelentősen
megkönnyítik a kutatási munkát. Ezek közül szeretnék néhány egyszerűbb és összetett
lekérdezést bemutatni példaként, amivel azt szeretném szemléltetni, hogy a meglévő
adatokból, milyen egyszerűen nyerhetünk újakat, rendezhetjük őket, kiválaszthatjuk
azokat az elemeket megjelenítésre, melyekre éppen szükségünk van.
1. Lekérdezés
Felhasználó: Jelenítse meg a rendszer azokat a településeket, melyeknek lakosságszáma
1910-ben több volt, mint 10000 fő.
Rendszer: A település és népességszám táblák összekapcsolása után attribútum
lekérdezéssel- Analysis, Attribute Query, megoldható a feladat.
4. ábra: Települések, melyeknek 1910-ben a lakossága több volt, mint 10000 fő
37
38. 2. Lekérdezés
Felhasználó: Mutassa meg a rendszer, hogy az 1400-as években, az egyes településeket
milyen néven említik az oklevelek.
Rendszer: A település és névváltozások tábla összekapcsolása után, attribútum
lekérdezéssel megjelenítettem a településeket, feltételként a dátumkódot adtam meg. A
feliratokat címke hozzáadásával- Insert, Label helyeztem el. Megjegyezném, hogy az
átláthatóság érdekében csak az 1400-as évekbeli neveket írattam ki. Az
összeegyeztethetőség érdekében az eredeti nevek is címkézhetők.
5. ábra: Részlet az 1400-as évek településneveiből
3. Lekérdezés
Felhasználó: Mutassa meg azokat a várakat a rendszer, melyeket 1200 és 1300 között
említenek először az oklevelek, és állapotuk romos.
Rendszer: A lekérdezés megoldható az Analysis- Attribute Query lekérdezési funkció
segítségével. A várak réteg kiválasztása után, beállítottam, a kívánt feltételeket. A talált
objektumokat megjelenítettem.
38
39. 6. ábra: Attribútum lekérdezés azokról a várakról, amelyeket 1200 és 1300 között
említenek először és állapotuk jelenleg romos
7. ábra: Várak, melyeket 1200 és 1300 között említenek először és állapotuk romos
39
40. 4. Lekérdezés
Felhasználó: Jelenítse meg azokat a településeket, melyeknek lakossága 1785 és 1980
között csökkent.
Rendszer: Ez a lekérdezés már lényegesen több lépésből épül fel. A város réteg, és a
népesség adattábla összekapcsolása után, Attribute Query-vel létre kellett hoznom két
olyan lekérdezést, amely az egyiknél tartalmazza a településeket, az 1785-ös
népességadatokkal, a másiknál pedig az 1980-as népességadatokkal. Ez a dátum kód 4-es
és 6-os értékeinek megadásával lehetséges. Majd a két queryt az Analysis- Join
funkcióval eggyé tettem. A kapcsolatot a település kód biztosítja. Ebben az állapotba a
lekérdezés tartalmazza mindkét év népességadatait. Ezt követően az Analysis- Functional
Attributes funkcióval összevetettem a két népességadatot. Az eredmény egy új
adatmezőben jelenik meg. Ha 1785-ben magasabb volt a lélekszám, akkor az állítás true,
azaz igaz, ha nem akkor az állítás false, tehát hamis.
8. ábra: Functional Attribute beállítása
Ezek után már csak annyi maradt hátra, hogy egy egyszerű attribútum lekérdezést
készítsek az új query-ről, szűrőnek beállítottam a funkcionális attribútum értékét igazra. A
végeredményt pedig térképen és adatablakban is megjelenítettem.
40
41. 9. ábra: Csökkenő népességű települések 1785 és 1980 között
5. Lekérdezés
Felhasználó: Jelenítse meg a rendszer az 1910-es év népszámlálási adataiból azokat a
településeket, ahol nem a magyarok voltak többségben.
Rendszer: A megoldás első része hasonló módon történik, mint az előző lekérdezésben,
tehát az Analysis- Join funkció segítségével összekapcsolom a város réteget a népesség
adattáblával, a továbbiakban ebből kiindulva készítettem el az Analysis- Attribute Query
segítségével a lekérdezést. A szűrő beállítása két részből épül fel. Az egyikben a dátum
kódot kellett megadni, a másiknál pedig három kisebbséget vizsgáltam, a németet, a
horvátot, és az egyéb kisebbségeket. Ezek értéke kellett, hogy nagyobb legyen a
magyarságénál. Az OR-vagy operátorral ez egyszerre vizsgálható. A két rész
összekapcsolásához az AND-és operátort használtam. A lekérdezés végeredményét az
alább táblázat mutatja, amelyből kiderül, hogy csak a német kissebség került többségbe az
egyes településeken.
41
42. 10. ábra: A német kisebbség, a feltüntetett településeken többségben volt 1910-ben
6. Lekérdezés
Felhasználó: Jelenítse meg a rendszer azokat a településeket, amelyek régen Zala -
bármely más megye választható- megyéhez tartoztak, de napjainkban már nem.
Rendszer: A lekérdezés három lépésből megoldható. Első lépésként készítettem egy
attribútum lekérdezést- Analysis, Attribute Query- a településekről, és feltételnek
megadtam, hogy csak Zala megye településeit gyűjtse ki- megye kód megadásával. Majd
következett egy térbeli lekérdezés- Analysis, Spatial Query, a települések és a 15. századi
vármegyehatárok között. A műveletek közül több is választható, én az átfedést- overlap,
használtam. A vármegye rétegnél szűrőként a Zalára mutató megyekódot kellett
beállítani. A lekérdezés második lépése nem oldható meg egyszerű attribútum
lekérdezéssel, mivel a települések megye kódjai a mai állapotok szerint kerültek
megadásra.
A harmadik lépés, ami egyben a végeredményhez vezet, szintén egy térbeli lekérdezéssel
valósítható meg. A két korábbi lekérdezés között a művelet, a térbeli egyenlőség inverze-
are spatially equal not, volt. Lényegében két halmaz azon elemeinek az összességét
jelenti, amelyek nem tartoznak a két halmaz metszetébe.
42
43. 11. ábra: Zala megyétől elcsatolt települések
Pár példán keresztül szeretném bemutatni az övezetgenerálás hasznosságát is, mely
rendszeremben elsősorban szemléltető jelleggel bír.
1. Példa
Övezetgenerálás- Analysis, Buffer Zone, a térképen szereplő várak köré, ahol a sugár
konstans érték-10km. A beállítási paraméterek közé tartozik, hogy az összeérő övezeteket
egybevonja a rendszer- merge funkció segítségével. Az alábbi képen látható a
végeredmény, melyből jól látszik, hogy a várak nagy része, egy DNY-ÉK fekvésű sávban
helyezkedik el. Ez a sáv pedig lényegében a Magyar Királyság és az Oszmán Birodalom
határát alkotta a középkorban.
43
44. 12. ábra: Várak köré vont 10 km sugarú övezetek
2. Példa
A következő példa szintén szemléltető jellegű. Települések köré készítettem két övezetet
az 1910-es évek magyar és német lakosságának lélekszámával összhangban. Az első
példához képest itt annyi a különbség, hogy nem egy állandó értéket adtam meg, hanem
változót- a lakosság száma alapján. Problémát jelentett, hogy mindenképpen meg kellett
adni egy mértékegységet is, amit úgy választottam ki, hogy ne legyenek hatalmas
kiugrások a nagyvárosoknál, de a kisebb falvak övezetei is látszódjanak. Az alább képen
az eredmény egy részlete látható. Jelölve vannak a nagyobb városok nevei, a narancssárga
övezet a magyarságot, míg a lila a német kisebbséget jelöli.
44
45. 13. ábra: A magyar és német lakosság aránya 1910-ben
A népesség lélekszámának alakulását, nem csak a rendszeremben vizsgáltam, hanem
Excelben is, grafikonok formájában. Ebből kiderül, hogy 1910 és 1980 között az
kisebbségek nagy része beleolvadt a magyarságba, azaz magyarnak vallja magát.
45
46. 14. ábra: Nemzetiségek 1910-ben
Az érintett települések nemzitésgeinek összetétele (a
magyart leszámítva) 1980-ban
6509
678
378
2093
1270
0
4517
3773
Nemet Szlovak Roman Horvat Szerb Ruten Roma Egyeb
Nemzetiségek
Fő
15. ábra: Nemzetiségek 1980-ban
46
47. 6. Összefoglalás, hasznosítás, továbbfejlesztés
Szakdolgozati feladatom témája a magyar történelem modellezése térinformatikai
eszközökkel. Ennek megfelelően létrehoztam egy térinformációs mintarendszert, amely
az általam készített mintaadatbázisra épül. A feladat végrehajtása során különböző
forrásból származó adatokkal találkoztam, melyeket eredményesen fel tudtam használni a
rendszer kiépítésének egyes fázisaiban. Az elkészült mintarendszer alkalmas a
felhasználó által megkívánt elemzések, lekérdezések végráhajtására. A felhasznált képek
jól prezentálják a dunántúli várak állapotát, alaprajzát. A települések internetes
hivatkozásai nem csak a felhasználó számára lehetnek fontosak, hanem maguknak a
településeknek is image –ük építésében. Rendszeremben jól nyomon követhető az egyes
települések koronkénti névváltozásai, valamint azok népességszámának, valamint
népesség-összetételének alakulásai. Az általam létrehozott mintarendszer jó alapot nyújt
egy bővebb tartalmú vagy akár szűkebb speciális adatokat felhasználó rendszer
elkészítésében. Jelen állapotban is felhasználható történelmi ismeretterjesztésre. Sajnos
internetes publikálását nem tudtam megoldani, habár a hardver és szoftver feltételek
adottak voltak, de a Geomedia WebMap szoftver használatában nehézségekbe ütköztem.
Éppen ezért a továbbfejlesztési lehetőségek közé sorolnám a térinformációs rendszerem
interneten történő publikálását. Elképzeléseim szerint készítettem egy internetes
felhasználói felületet, amelyet az alábbi képen mutatok be. A kor kiválasztása után
felhasználó saját igénye szerint állíthatja be a megjeleníteni kívánt rétegeket, melyből
térképet generálhat. A térképen lehetőség van térkép ablakolási funkciók elvégzésére, az
objektumokra kattintva, kép vagy adattábla jelenítődne meg. Az általunk készített kép
kinyomtatható lenne. A felhasználó választhatna egyéb, már előre elkészített lekérdezések
közül. Az oldal címéből is látható, hogy elképzeléseim szerint egy ilyen térinformációs
rendszert kiválóan lehetne alkalmazni az oktatásban.
47
49. 7. Köszönetnyilvánítás
Köszönöm a segítséget tanszéki konzulensemnek Kottyán Lászlónak. Hasznos tanácsokat
nyújtott az adatbázis valamint a szövegi rész elkészítésében.
Továbbá köszönet a Tekiré Kft-nek, hogy rendelkezésemre bocsátotta a Geomedia Pro és
Webmap szoftvereket.
Köszönetet mondanék az Országos Széchényi Könyvtárnak, hogy a statisztikai adatok
beszerzéséhez elengedhetetlenül szükséges évkönyveket számomra is hozzáférhetővé
tette.
Köszönettel tartozom a www.varak.hu honlap üzemeletetőinek, amiért a szerzői
jogvédelem alatt álló képeket a szakdolgozatomban történő felhasználásra engedélyezték.
49
50. 8. Hivatkozások, Felhasznált irodalom, URL címek
Hivatkozások
(1):Maguire, D.J.(1991): An overview and definition of GIS. Gegraphical Information
Systems
(2): Detrekői Á.—Szabó Gy.( 2002): Térinformatika. Nemzeti Tankönyvkiadó, Budapest
Felhasznált irodalom
Bebesi György- B. Turi Katalin: Történelem 40 tételben
Magyarország Történelmi Statisztikai Helységnévtára- Veszprém megye 2.
Magyarország Történelmi Statisztikai Helységnévtára- Vas megye 4.
Magyarország Történelmi Statisztikai Helységnévtára- Komárom- Esztergom
megye 6.
Magyarország Történelmi Statisztikai Helységnévtára- Zala megye 7.
Magyarország Történelmi Statisztikai Helységnévtára- Tolna megye 10.
Magyarország Történelmi Statisztikai Helységnévtára- Somogy megye 12.
Magyarország Történelmi Statisztikai Helységnévtára- Fejér megye 13.
Magyarország Történelmi Statisztikai Helységnévtára- Pest megye 15.
Magyarország Történelmi Statisztikai Helységnévtára- Baranya megye 18.
Magyarország Történelmi Statisztikai Helységnévtára- Győr-Moson-Sopron
megye 19.
URL Címek
GEOMEDIA
http://gisfigyelo.geocentrum.hu
http://www.tekire.hu
BARANYA
http://hu.wikipedia.org/wiki/Baranya_v%C3%A1rmegye
http://www.dravanet.hu/baranya/index.php?m=1_1_1
ESZTERGOM
http://www.hik.hu/tankonyvtar/site/books/b10027/ch16s14.html
50