Diferencias

Muestra las diferencias entre dos versiones de la página.

--- politicaspublicasvalencia:areas_vulnerables_vinaros [2019/10/02 15:32] – [Referencias] kruitau
+++ politicaspublicasvalencia:areas_vulnerables_vinaros [2019/10/03 11:11] – [Referencias] pbaldovi
@@ Línea 1: / Línea 1: @@
-====== Áreas vulnerables Vinaròs ======
+====== Áreas vulnerables Centro Historico Vinaròs ======
 ====== **Grupo de Vinarós** ======
@@ Línea 75: / Línea 75: @@
 Dentro de Qgis se ha instalado un plugin del catastro.
 Hemos utilizado la capa 'building', para quedarnos con los datos que nos interesan (centro histórico), hemos hecho una selección por localización.
-{{:politicaspublicasvalencia:imatge_datos2_2_.jpg?400|}}
 Hemos marcado el centro histórico, acotándolo con una línea de puntos rojos.
@@ Línea 90: / Línea 89: @@
 Vamos a probar con otra baremación con mayor gradación, porque da la sensación de que nos estamos perdiendo información.
+-
+Por otra parte, hemos añadido la capa del padrón, es una capa de puntos en la que seleccionamos los datos que corresponden al casco histórico. De esta capa nos interesan los datos referentes a año de nacimiento, país de nacimiento y nivel de estudios, que utilizaremos para definir vulnerabilidad socio-económica. Hemos incorporado la capa catastral de 'años', en la que nos interesa . Por lo que respecta a la variable 'estudios', hemos optado por una categorización de 4, en la que asignamos el valor máximo (1) a la gente sin estudios, englobando aquí las diferentes categorías que puedan ser asimilables, como 'no sabe leer o escribir', 'estudios primarios', u otros. La siguiente categoría corresponde a estudios obligatorios (ESO o similares), con un valor de 0.5, estudios de FP y bachillerato equivaldrían a 0.2 y 0 para los estudios superiores.
-Al mismo tiempo, examinamos también el Índice de Vulnerabilidad del Cartogràfic para comparar las variables utilizadas
-Añadimos otra capa
-Prueba retícula/ Calle.
+Hacemos un proceso similar para la capa de 'año de edificación', en la que solo seleccionamos aquellos edificios que tienen más de 50 años, ya que nos parece interesante como aproximación al estado de las viviendas (puesto que es difícil tener datos fiables al respecto). Utilizamos un cálculo de catastro en el cual la edad del edificio corresponde a la última reforma realizada, puesto que aquello que buscamos visualizar son los edificios en estado deficiente.
--
+Nos encontramos con el problema, no obstante, de que cada punto marcado en el mapa no se corresponde con una persona, con lo cual no tenemos claro a cuanta gente identifica cada punto. Cuando convertimos a mapa de calor, se ven concentraciones muy grandes, pero al estar representando números absolutos, no podemos saber si ello tiene que ver con mayores concentraciones de personas.
+{{ :politicaspublicasvalencia:mapa_datos_3_2_.jpg?400 |}}
+Para solucionarlo, generamos una cuadrícula '50x50', para identificar áreas. Eliminamos las partes que quedan fuera del casco urbano. Vamos a contar dentro de cada cuadro cuantos puntos hay. De ahí sacaremos el número de personas total y el número de personas en función de su nivel de estudios, para obtener el porcentaje correspondiente.
+No es posible desagregar tanto para contar, con lo cual para contar cada categoría tenemos que crear una capa específica con esos datos únicamente.
+Una vez obtenidos los números absolutos y calculados los porcentajes, comparamos los mapas. Nos encontramos con dos resultados distintos, uno que mide el % de personas con pocos estudios (sobre el número de población que hay en cada retícula) y otro que identifica aquellas zonas donde hay más número de personas sin estudios. Al final la representación del número, teniendo en cuenta que se quiere conseguir información para actuar sobre el máximo posible de población vulnerable.
+Por otra parte, superponiendo capas de edad de la edificación y personas sin estudios, no hay relación aparente, con lo que nos planteamos darle un valor de ponderación bajo.
+Pasamos a la capa de edad. Aunque la intención era mostrar todas las edades, por una cuestión de tiempo solo generaremos tres categorías que relacionamos con mayor vulnerabilidad, es decir, personas entre 65 y 75 años, de 76 a 85 y mayores de 85. Al trasladar estos datos al mapa, nos encontramos con una concentración muy grande de personas mayores en frente de una residencia, lo que nos hace plantearnos que puede que los puntos no estén bien geolocalizados. Después de debatirlo, hemos optado por eliminar el punto en cuestión.
+Otra de las problemáticas con la que nos encontramos está relacionada con la información sobre ayudas sociales. En ese sentido, se contabilizan el número total de ayudas prestadas, sin tener en cuenta si hay personas que puedan haberla recibido durante dos años consecutivos (2017 y 2018). Hemos utilizado la visualización de calle de Google, para comprobar mirando la tipología de vivienda si una densidad muy grande de ayudas sociales en un espacio muy pequeño tenía sentido.
+La última variable que incorporamos a nuestro análisis es la de 'extranjeros'. Si bien somos conscientes de que hacer una valoración binomial (extranjero/nacional), la cuestión del tiempo nos obliga a simplificar. Nos encontramos, además, que el mapa de calor coincide con los otros realizados antes, con lo que podemos tener una idea ya intuitiva de los espacios más vulnerables.
+Una vez vistos y comparados los distintos mapas, y ya que hemos encontrado muchas coincidencias entre las distintas variables medidas, decidimos dibujar áreas.
+{{ :politicaspublicasvalencia:mapa_datos_4_2_.png?400 |}}
+La siguiente fase consiste en ponderar los diferentes elementos para crear un índice de vulnerabilidad. Es una operación complicada porque implica cierto grado de discrecionalidad. Por ejemplo, cuando planteamos que valor darle a la variable 'inmigración', nos genera dudas hasta qué punto es un elemento que por sí mismo marque la vulnerabilidad, sin tener en cuenta otras cuestiones como puedan ser el nivel de estudios o el nivel de renta. Es, probablemente, la variable que menos clara tenemos. Lo dejamos en barbecho hasta mañana.
 Luego uniremos toda la información y la ponderaremos para dar la información agregada por calles (constituyendo esto una de las capas).
+Al haber analizado desde diferentes formas cada uno de los análisis realizados, como por ejemplo, el mapa de estudios (el cual es de calor y daba tres puntos calientes), o el mapa de estudios de población (que ofrecía la información por cuadrículas), si comparamos, hay una correlación directa entre ambos.
+La visualización, aún siendo interesantes, no acaba de ser claro.
+El mapa de referencia catastral, además, tiene el inconveniente que superpone puntos.
+Por tanto..., vamos a sacarlo por áreas de cuadros de 50 por 50. Cuando esta información se obtiene por porcentajes, el resultado no tiene sentido.
+Las visualizaciones, en conclusión, han de ser valores absolutos (número real de personas) que viven etc. en cada área.
+Las visualizaciones, seguramente serán de puntos, donde luego pondremos una etiqueta con el nº concreto de personas en cada área de la zona a estudio.
+Y luego al final, tras la consolidación de los datos, se podrá ponderar toda la información para agregarla y obtener con ello un ranking de prioridades de actuación por parte de la Administración Pública.