Ανάλυση στερεοτύπων

Εισαγωγή

Αφορμή για την παρούσα εργασία στάθηκε ένα άρθρο που αναρτήθηκε στην ιστοσελίδα του περιοδικού The Economist, τον Μάιο του 2010 με τίτλο “Why is it grim up north?” και πραγματεύεται την κατά την εποχή εκείνη διαμάχη, μεταξύ Βορρά και Νότου, που επανήλθε στο δημόσιο πολιτικό λόγο με αφορμή την Ελληνική κρίση. Στερεότυπα και χαρακτηρισμοί, όπως τα παρακάτω, άρχισαν να αναπαράγονται και να απασχολούν το δημόσιο διάλογο στον ηλεκτρονικό τύπο και τα Μέσα Ενημέρωσης, όχι μόνο στην Ευρώπη αλλά και στην Ελλάδα.

Northerners are more likely to be thrifty, dour, cold, honest, hardworking, plainspeaking, blunt, rigid in their morality and a bit unfriendly to outsiders.
Southerners are spendthrift, warmer, more funloving,lazier, less honest, more hospitable, more flexible in their morality and a bit sly.
- (Charlemagne, May 4th 2010, The Economist) -

Σχετικό με την καλλιέργεια στερεοτύπων αλλά και δημιουργία φαντασιακών αφηγήσεων, είναι και το έργο του E.Said το 1978, “Orientalism theory”, το οποίο πραγματεύεται το γεγονός πως η Βρετανία και η Γαλλία κατά την εποχή της δημιουργίας των Αυτοκρατοριών τους, δημιούργησαν αφηγήσεις, μύθους, ιδέες και εικόνες για το Ανατολίτικο στοιχείο με σκοπό να κυριαρχήσουν και να επιβληθούν στη Μέση Ανατολή και την Ινδία.

Σκοπός της εργασίας είναι να εξετασθεί αν επιβεβαιώνεται το στερεότυπο οτι οι λαοί που ζούν σε θερμές περιοχές και κοντά στη θάλασσα, δηλαδή στο “Νότο”, τείνουν να μην είναι τόσο “παραγωγικοί”.

Ιδιαίτερα στην παρούσα επιχειρήθηκε :

Να χρησιμοποιηθούν όλες οι μορφές της σχεσιακής δομής δεδομένων (table, raster, vector)
Να συνδυαστούν οικονομικά και κλιματολογικά δεδομένα με διοικητικά όρια και θέσεις ανά τον πλανήτη.
Να απαντηθεί ένα ποιοτικό ερώτημα με αριθμούς.
Να δοκιμαστεί η δύναμη των λογισμικών R και RStudio στην ανάλυση και παρουσίαση.
Να αξιοποιηθούν δεδομένα που διατίθενται ελεύθερα στο διαδίκτυο.

Για την ανάλυση αξιοποιήθηκαν οι θέσεις των αστικών περιοχών του πλανήτη.

Δεδομένα

Vector δεδομένα

Aπό την ιστοσελίδα του οργανισμού Natural earth :

Πολυγωνικό επίπεδο 11.878 αστικών περιοχών σε όλο τον πλανήτη.
Γραμμικό επίπεδο ακτογραμμής για όλο τον πλανήτη.
Πολυγωνικό επίπεδο ορίων κρατών όλου του πλανήτη.

Τα 3 διαθέσιμα διανυσματικά επίπεδα φαίνονται στο χάρτη που ακολουθεί.

Στον πίνακα καταγραφών του πολυγωνικού επιπέδου των αστικών περιοχών διατίθεται και η αντίστοιχη επιφάνεια. Από το ιστόγραμμα που ακολουθεί, είναι φανερό πως η συντριπτική πλειοψηφία των urban areas έχει έκταση μικρότερη από περίπου 2000 τετραγωνικά χιλιόμετρα.

Προκειμένου να κατανοήσουμε καλύτερα την κατανομή των urban areas ανάλογα με την έκτασή τους, υπολογίζουμε κατάλληλες κλάσεις τιμών, τις οποίες θα χρησιμοποιήσουμε αργότερα στην ανάλυση, εφόσον απαιτηθεί, όπως φαίνεται στο το ραβδόγραμμα που ακολουθεί.

Για τις ανάγκες της ανάλυσης που θα ακολουθήσει κατηγοριοποιούμε τα urban areas με βάση την απόσταση από τη θάλασσα. Για να γίνει αυτο ιδανικά, θα έπρεπε να χρησιμοποιήσουμε μιά επίπεδη προβολή και να μετρήσουμε αποστάσεις για όλο τον πλανήτη, κάτι που είναι αδύνατο χωρίς παραμορφώσεις. Για το λόγο αυτό αξιοποιήθηκαν οι γεωμετρικές ιδιότητες των διανυσματικών επιπέδων και η εφαρμογή τοπολογικών ελέγχων. Υπολογίστηκαν buffers από τα κεντροειδή των πολυγώνων των αστικών περιοχών και ελέγχοντας αν αυτά τέμνουν την ακτογραμμή προσδιορίστηκε η σχετική τους θέση ως προς αυτή. Κατηγοριοποιήθηκαν οι αστικές περιοχές σε 3 κλάσεις. Η πρώτη σε απόσταση 0-30Km από την ακτογραμμή, η δεύτερη 30-100Km, και η τρίτη από 100Km και πάνω. Έγινε η παραδοχή πως στις περιοχές αυτές η επιρροή της θάλασσας-παραλίας είναι μεγάλη, μικρή και καθόλου αντίστοιχα.

Επειδή τα δεδομένα παρέχονται σε ελλειψοειδής συντεταγμένες(WGS 84), το επίπεδο των κεντροειδών μετασχηματίστηκε σε μερκατορική προβολή, υπολογίστηκαν τα buffers και επαναμετασχηματίστηκαν σε WGS84 ώστε να συνεργαστούν με τα υπόλοιπα δεδομένα. Για να ελεγθεί ο παραπάνω μετασχηματισμός δημιουργήθηκε ένας χάρτης σε ένα τυχαίο σημείο του πλανήτη. Στο χάρτη που ακολουθεί απεικονίζεται μιά τυχαία περιοχή στην Ολλανδία.

Για να ελεγχθούν τα πολύγωνα των επιπέδων buffer σε σχέση με την ακτογραμμή απαιτείται ένα επίπεδο (πολυγωνικό ή γραμμικό), το οποίο να περιέχει το όριο αυτής ως μία και μοναδική οντότητα, έτσι ώστε το αποτέλεσμα του ελέγχου να είναι ένας πίνακας με μία και μόνο στήλη. Σε διαφορετική περίπτωση το αποτέλεσμα θα είναι ένα matrix TRUE-FALSE με διαστάσεις ίσες με το πλήθος των οντοτήτων που απαρτίζουν το καθένα από τα 2 συγκρινόμενα διανυσματικά επίπεδα. Για το σκοπό αυτό μετασχηματίστηκε το πολυγωνικό επίπεδο με τα όρια των χωρών από muti-feature σε single-feature (dissolve) και δεν χρησιμοποιήθηκε το αντίστοιχο γραμμικό επειδή ο αλγόριθμος αποτυγχάνει στην επεξεργασία.

Ακολούθως εφαρμόστηκε ο τοπολογικός έλεγχος: “το πολύγωνο της ακτογραμμής να περιέχει πλήρως τα πολύγωνα των buffer χωρίς να επιτρέπεται κανένα κοινό σημείο μεταξύ τους”. Όσα πολύγωνα των 30Km τέμνουν την ακτογραμμή ανήκουν στην πρώτη κατηγορία, όσα δεν τέμνουν στα 30Km αλλά τέμνουν στα 100Km ανήκουν στην δεύτερη και όσα δεν τέμνουν σε καμία ανήκουν στην τρίτη.

Κατηγορίες απόστασης
	test.30	test.100	dist
2699	FALSE	FALSE	1
2700	FALSE	FALSE	1
2701	TRUE	FALSE	2
2702	TRUE	FALSE	2
2703	FALSE	FALSE	1
2704	TRUE	FALSE	2
2705	FALSE	FALSE	1
2706	TRUE	TRUE	3
2707	TRUE	TRUE	3
2708	TRUE	TRUE	3
2709	TRUE	TRUE	3

Για να γίνει καλύτερα κατανοητό το όριο των 100Km ως όριο επιρροής της θάλασσας, παρατίθεται ο κάτωθι χάρτης του Ελλαδικού χώρου με τις περιοχές που απέχουν περισσότερο από 100 Km ευθεία απόσταση από την ακτογραμμή, σημειωμένες με κόκκινο χρώμα.

Σενάριο απόστασης

Το τελικό σετ δεδομένων από τα διανυσματικά επίπεδα περιέχει τις κάτωθι μεταβλητές για κάθε καταγραφή-θέση αστικής περιοχής. Με τον κωδικό 1 έχουν σημανθεί οι περιοχές με απόσταση 0-30Km , με 2 οι 30-100Km και με 3 από 100Km και πάνω.

area	lon	lat	IDs	dist	rank
12.581	-1.676090	37.37207	1	1	[0.211,14)
111.989	-2.444598	36.88377	2	1	[100,624)
46.348	-3.145290	36.76720	3	1	[40,60)
46.058	-3.519282	36.73995	4	1	[40,60)
84.596	-4.924511	36.51174	5	1	[60,100)
37.815	-5.135266	36.44393	6	1	[30,40)

Από τον πίνακα που ακολουθεί είναι φανερό οτι το μεγαλύτερο πλήθος των αστικών περιοχών του πλανήτη βρίσκονται σε απόσταση μεγαλύτερη των 100Km από την ακτογραμμή, αλλά αυτές που βρίσκονται κοντά στην ακτογραμμή τείνουν να είναι πολύ μεγαλύτερες έκταση.

group	count	sum	mean
1	2464	312045.7	126.64
2	1597	170280.8	106.63
3	7817	573008.6	73.30

Δεδομένα σε κανoνικοποιημένη(raster) μορφή :

Από την ιστοσελίδα του οργανισμού worldclim, αξιοποιήθηκαν τα επίπεδα με τις μέσες θερμοκρασίες ανά μήνα της τριαντακονταετίας 1960-1990 με ανάλυση 5Km περίπου(2.5 arc-min) και έγινε η παραδοχή οτι μπορεί να θεωρηθεί ως το παρόν κλίμα.

Χρησιμοποιώντας το αντικείμενο που είχαμε δημιουργήσει στην αρχή με τα κεντροειδή των αστικών περιοχών, προσδιορίστηκαν τιμές μέσης θερμοκρασίας, από τα raster επίπεδα, στις θέσεις των κεντροειδών που αντιπροσωπεύουν τις θέσεις των αστικών περιοχών.

Με τον ίδιο τρόπο προσδιορίστηκαν και τιμές υψομέτρου στα κεντροειδή των urban areas. Το raster επίπεδο με τις υψομέτρου ανακτήθηκε από την ιστοσελίδα του Ευρωπαικού Οργανισμού Περιβάλλοντος σε ανάλυση 5min και φαίνεται στο χάρτη που ακολουθεί:

Στη συνέχεια κατασκευάστηκε ένα πλαίσιο δεδομένων με τις μέσες τιμές θερμοκρασίας κάθε μήνα, και υπολογιστηκε ο συντελεστής συσχέτισης των θερμοκρασιών κάθε μήνα με τις αντίστοιχες τιμές υψομέτρου σε κάθε θέση.

Αποφασίστηκε να επιλεχθεί για την ανάλυση του εισοδήματος σε σχέση με τη θερμοκρασία, εκείνος ο μήνας για τον οποίο στα χαμηλά υψόμετρα έχουμε υψηλές τιμές θερμοκρασίας. Δηλαδή εκείνος ο μήνας που παρουσιάζει την ισχυρότερη αρνητική συσχέτιση με τη μεταβλητή του υψομέτρου. Από το διάγραμμα που ακολουθεί ο “καλύτερος” μήνας για το μοντέλο αυτό είναι ο Ιούλιος και με τις τιμές του προχώρησε η ανάλυση.

Σενάριο θερμοκρασίας

Ακολούθως διαμορφώθηκαν τα ακόλουθα σενάρια για να καθοριστούν ποιές αστικές περιοχές θα θεωρηθούν “θερμές” και ποιές “ψυχρές”.

Από την αντιστοίχηση των δεδομένων προέκυψε και κάτωθι στατιστικό αποτέλεσμα για το μέγεθος των αστικών περιοχών σε σχέση με τη θερμοκρασία. Με κωδικό αριθμό 1 έχουν σημανθεί οι “ψυχρές” περιοχές, με 2 οι συνήθεις και με 3 οι “θερμές” :

σενάριο 1

group	count	sum	mean
1	1634	103533.3	63.36
2	8305	753056.5	90.68
3	1931	198083.3	102.58

σενάριο2

group	count	sum	mean
1	4017	257486.8	64.10
2	3806	355556.8	93.42
3	4047	441629.6	109.13

Από τους παραπάνω πίνακες είναι ξεκάθαρο πως στις “θερμές” περιοχές με υψηλότερη θερμοκρασία τείνουν να σχηματίζονται μεγαλύτερες αστικές συγκεντρώσεις σε σχέση με τις “ψυχρές”.

Οικονομικά δεδομένα από WORLD BANK

Για να καθορισθεί αριθμητικά ο παράγοντας της “παραγωγικότητας” στο μοντέλο του στερεοτύπου που εξετάζεται, χρησιμοποιήθηκε ο δείκτης του κατά κεφαλήν εισοδήματος σε Μονάδες Αγοραστικής Δύναμης έτσι ώστε να είναι δυνατές οι διακρατικές συγκρίσεις και ο οποίος παρέχεται από την Παγκόσμια Τράπεζα σε τιμές Ιnternational $. Ο δείκτης παρέχεται σε μορφή πίνακα, η στατιστική μονάδα αναφοράς είναι τα κράτη και αφορά όλα τα έτη από το 1990 εώς το 2015.
Χρησιμοποιώντας τον μοναδικό 3ψήφιο κωδικο ISO κάθε κράτους που συνοδεύει τα οικονομικά δεδομένα αλλά και τα πολύγωνα των κρατών έγινε δυνατή η αντιστοίχηση των 2 πινάκων και στη συνέχεια με λειτουργία χωρικής ένωσης η αντιστοίχηση με τις αστικές περιοχές.

Συνολικά στατιστικά σε παγκόσμιο επίπεδο

Από τη μέχρι τώρα διαδικασία δημιουργίας των δεδομένων προέκυψε πως στις “θερμές” περιοχές και σε εκείνες που είναι κοντά στη θάλασσα οι αστικές συγκεντρώσεις τείνουν να είναι πολύ μεγαλύτερες.

Ακολούθως υπολογίστηκαν οι συντελεστές συσχέτισης των μεταβλητών της απόστασης και της θερμοκρασίας με τα οικονομικά δεδομένα κάθε έτους όπως φαίνεται στο διάγραμμα που ακολουθεί. Παρατηρούμε ότι και οι 2 παράγοντες έχουν μικρή αρνητική συσχέτιση με το εισόδημα, με μικρή μεταβλητότητα μέσα στην ελεγχόμενη 25ετία. Δηλαδή όσο θερμή είναι μια περιοχή και όσο πιο μακριά από τη θάλασσα βρίσκεται τόσο μικρότερο είναι το εισόδημα.

Πράγματι το παρακάτω διάγραμμα επιβεβαιώνει αυτό που δείχνουν οι συντελεστές συσχέτισης και δειχνει οτι το 50% του στερεοτυπου επιβεβαιωνεται. Στη συνέχεια θα ακουθήσει ανάλυση για την εξαγωγή συμπερασμάτων.

Ανάλυση σε περιοχές

Η ανάλυση έγινε σύμφωνα με τις ακόλουθες 2 οικονομικές κατηγοριοποιήσεις της Παγκόσμιας Τράπεζας, για τα σενάρια απόστασης από τη θάλασσα και θερμοκρασίας που επιλέχθηκαν. Η πρώτη κατηγοριοποίηση ομαδοποιεί όμορες χώρες με κοινά κοινωνικά-οικονομικά χαρκτηριστικά και παραδοσιακές οικονομικές σχέσεις.

Και η δεύτερη κατηγοριοποίηση ομαδοποιεί χώρες με κοινό στάδιο ανάπτυξης.

Επιλέχθηκε για τη συνέχεια της ανάλυσης να χρησιμοποιηθεί για τις απαιτούμενες συγκρίσεις, ο μέσος όρος του πλήθους των αστικών περιοχών που έχουν το μέσο GDP των χωρών στις οποίες ανήκουν, διότι για να υπάρχει μεγάλο πλήθος αστικών περιοχών είτε στο παραλιακό μέτωπο ή σε οποιοδήποτε άλλο είτε σε μια “θερμή” περιοχή, σημαίνει οτι υπάρχει και αντίστοιχη οικονομική δραστηριότητα που υποστηρίζει τις πόλεις αυτές. Το πλήθος των αστικών περιοχών κάθε χώρας θα λειτουργήσει ως βάρος για το τμήμα αυτό στην περιοχή που εξετάζεται.

Επιλέχθηκε επίσης, επειδή το ερώτημα είναι ποιοτικό, να χρησιμοποιηθούν οι τιμές 0 όπου δεν επιβεβαιώνεται το στερεότυπο, 1 όπου επιβεβαιώνεται και 0.5 όπου επιβεβαιώνεται είτε για τη μισή χρονική περίοδο που εξετάζεται, είτε στην περίπτωση όπου το ένα σενάριο της θερμοκρασίας αναιρεί το άλλο. Στη συνέχεια συγκεντρώθηκαν οι τιμές αυτές σε έναν πίνακα και ανατέθηκαν βάρη.

Πρώτη ομαδοποίηση

Διαγράμματα-Σύγκριση για την πρώτη κατηγορία ομαδοποίησης των όμορων γεωγραφικά οικονομικών περιοχών.

Αξιολόγηση : distance : NO - temperature : YES

Αξιολόγηση : distance : YES(0.5) - temperature : NO

Αξιολόγηση : distance : NO - temperature : YES