Dane dotyczące miast jako przedmiot badań geograficznych

• Authors: Iwona Jażdżewska

Title variants

Dane dotyczące miast jako przedmiot badań geograficznych

• Languages of publication: PL

Abstracts

PL

W pracy przedstawiono problemy, z jakimi można się spotkać podczas analizy danych o mieście, od ich pozyskiwania, poprzez czyszczenie, aż po zapis w odpowiednim formacie. Problem ten jest na tyle istotny, że powinien być jednym z podmiotów badań geograficznych. Zwrócono uwagę na potrzebę dyskusji o danych geograficznych i jej prezentacji na łamach czasopism naukowych. Zasygnalizowano możliwości korzystania z nich i udostępniania w repozytoriach otwartych danych w ramach „otwartej nauki”.

EN

Contemporary geographical data on cities come from various sources, and the increase in their number is an avalanche. As the perception of data is changing, so is the way a geographer thinks and works. The abundance of data on cities obtained from various sensors and from the society makes the research problem recognizable in the context of existing data, which makes it necessary to examine it. This paper presents the problems that can be encountered when analysing data for a geographical science research project, from its acquisition, through cleaning, to recording in the appropriate format.

Keywords

PL

geografia miast; eksploracja danych; otwarte dane; ISO; GIScience; geografia miast; eksploracja danych; otwarte dane; ISO; GIScience

EN

urban geography; data mining; open data; ISO standards; GIScience

• Publisher: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
• Journal: Konwersatorium Wiedzy o Mieście
• Year: 2019
• Volume: 32
• Issue: 4
• Pages: 121-129

Dates

published

2019-12-30

Contributors

author

Iwona Jażdżewska

• Uniwersytet Łódzki, Wydział Nauk Geograficznych, Instytut Geografii Miast i Turyzmu

• https://orcid.org/0000-0002-4554-7486

References

• Adamczyk, J., Będkowski, K. (2018). Źródła numerycznych danych geoprzestrzennych. W: A. Obidziński (red.), Inwentaryzacja i waloryzacja przyrodnicza. Metody naziemne i geomatyczne (s. 17–27). Warszawa: Wyd. SGGW.
• Ash, J., Kitchin, R., Leszczynski, A. (2018). Digital turn, digital geographies? Progress in Human Geography, 42 (1), s. 25–43; https://doi.org/10.1177/0309132516664800
• Assante, M., Candela, L., Castelli, D., Tani, A. (2016). Are scientific data repositories coping with research data publishing? Data Science Journal, 15 (6); https://doi.org/10.5334/dsj-2016-006
• Bach, M., Stańczak, M., Werner, A. (2009). Wpływ przyjętego modelu wersjonowania danych na efektywność relacyjnej bazy danych. Studia Informatica, 30 (2B), s. 253–263.
• Bell, G. (2009). Foreword. W: T. Hey, S. Tansley, K. Tolle (red.), The fourth paradigm. Data-Intensive scientific discovery (s. xi–xvi). Redmond, Washington: Microsoft Research.
• Bielecka, E. (2006). Sytemy Informacji Geograficznej. Teoria i zastosowania. Warszawa: Wyd. PJWSTK.
• Blaschke, T., Merschdorf, H. (2014). Geographic information science as a multidisciplinary and multiparadigmatic field. Cartography and Geographic Information Science, 41 (3), s. 196–213; https://doi.org/10.1080/15230406.2014.905755
• Cai, C., Xie, K. (2007). Measuring data quality of geoscience datasets using data mining techniques. Data Science Journal, 6, S738–S742; https://doi.org/10.2481/dsj.6.S738
• Dasu, T., Johnson, T. (2003). Exploratory data mining and data cleaning. John Wiley & Sons.
• Foreman, J.W. (2019). Mistrz analizy danych: od danych do wiedzy. Tłum. K. Matuk. Gliwice: Helion.
• Gaździcki, J. (2008). Implementacja dyrektywy INSPIRE w Polsce: stan aktualny, problemy i wyzwania. Roczniki Geomatyki – Annals of Geomatics, 6 (3), s. 23–32.
• Graf, R., Kaniecki, A., Medyńska-Gulij, B. (2008). Dawne mapy jako źródło informacji o wodach śródlądowych i stopniu ich antropogenicznych przeobrażeń. Badania Fizjograficzne nad Polską Zachodnią, Seria A – Geografia Fizyczna, 59, s. 11–27.
• Guo, H., Goodchild, M.F., Annoni, A. (red.) (2020). Manual of digital Earth. Singapore: Springer Open; International Society for Digital Earth.
• Hand, D.J. (2005). Eksploracja danych. Tłum. A. Chądzyńska. Warszawa: Wydawnictwa Naukowo-Techniczne.
• Iwaniak, A. (2005). Metodyka opracowania i stosowania metadanych w Polsce. Roczniki Geomatyki – Annals of Geomatics, 3 (3), s. 47–58.
• Iwaniak, A., Paluszyński, W., Żyszkowska, W. (1998). Generalizacja map numerycznych – koncepcje i narzędzia. Cz. 1. Polski Przegląd Kartograficzny, 30 (2), s. 78–88.
• Jachimczyk, A. (2015). Otwarte dane badawcze. Casus polskich instytutów badawczych. Zagadnienia Naukoznawstwa, 2206, s. 409–424.
• Jaskulski, M., Łukasiewicz, G., Nalej, M. (2013). Porównanie metod transformacji map historycznych. Roczniki Geomatyki – Annals of Geomatics, 11 (4), s. 41–56.
• Jażdżewska, I. (2013). Statystyka dla geografów. Łódź: Wyd. Uniwerstetu Łódzkiego.
• Jażdżewska, I. (2018). The use of centrographic measures in analysing the dispersion of historic factories, villas and palaces in Lodz (Poland). Folia Geographica, 60 (1), s. 50–61.
• Kraak, M.J., Ormeling, F. (1998). Kartografia – wizualizacja danych przestrzennych. Tłum. W. Żyszkowska. Warszawa: Wydawnictwo Naukowe PWN.
• Larose, D.T. (2013). Odkrywanie wiedzy z danych: wprowadzenie do eksploracji danych. Tłum. A. Wilbik. Warszawa: Wydawnictwo Naukowe PWN.
• Longley, P.A., Goodchild, M.F., Maguire, D.J., Rhind, D.W. (2006). GIS. Teoria i praktyka. Warszawa: Wydawnictwo Naukowe PWN.
• Mayer-Schönberger, V., Cukier, K. (2017). Big data: rewolucja, która zmieni nasze myślenie, pracę i życie, efektywna analiza danych. Tłum. M. Głatki. Warszawa: Wyd. MT Biznes.
• Miller, H.J., Goodchild, M.F. (2015). Data-driven geography. GeoJournal, 80, s. 449–461; https://doi.org/10.1007/s10708-014-9602-6
• Nahotko, M. (2013). Współdziałanie metadanych w systemach informacyjnych. Zagadnienia Informacji Naukowej, 51 (1), s. 61–83.
• Nalej, M. (2019). Problem zmiennych jednostek odniesienia (MAUP) w badaniach pokrycia terenu. Przykład Łódzkiego Obszaru Metropolitalnego (University of Lodz). Pobrano z http://dspace.uni.lodz.pl/xmlui/bitstream/handle/11089/26386/nalejstreszczenie.pdf?sequence=3&isAllowed=y
• Openshaw, S. (1984). Modifiable Areal Unit Problem. W: International encyclopedia of human geography; https://doi.org/10.1016/b978-008044910-4.00475-2
• Openshaw, S., Taylor, P.J. (1979). A million or so correlation coefficients: three experiments on the modifiable areal unit problem. W: N. Wrigley (ed.), Statistical applications in the spatial sciences (s. 127–144). London: Pion.
• Osowski, S. (2013). Metody i narzędzia eksploracji danych. Legionowo: Wyd. BTC.
• Pachół, P., Zieliński, J. (2003). Wymiana danych wchodzących w skład krajowego systemu informacji o terenie. Roczniki Geomatyki – Annals of Geomatics, 1 (1), s. 38–52.
• Ryza, S., Laserson, U., Owen, S., Wills, J. (2016). Spark: zaawansowana analiza danych. Tłum. A. Watrak. Gliwice: Helion.
• Sadiq, S., Srivastava, D., Dasu, T., Dong, X.L., Freire, J., Ilyas, I., … Zhou, X. (2018). Data quality: The role of empiricism. ACM SIGMOD Record, 46 (4), s. 35–43; https://doi.org/10.1145/3186549.3186559
• Shelton, T. (2017). Spatialities of data: mapping social media ‘beyond the geotag’. GeoJournal, 82, s. 721–734. https://doi.org/10.1007/s10708-016-9713-3
• Shi, W., Fisher, P.F., Goodchild, M.F. (red.) (2002). Spatial data quality. London: Taylor & Francis.
• Szeliga, M. (2017). Data Science i uczenie maszynowe. Warszawa: Wydawnictwo Naukowe PWN.
• Urbański, J. (1997). Zrozumieć GIS. Analiza informacji przestrzennej.Warszawa: Państwowe Wydawnictwo Naukowe.
• Urbański, J. (2008). GIS w badaniach przyrodniczych. Pobrano z https://kiw.ug.edu.pl/pl/ebooki/644-gis-w-badaniachprzyrodniczych.html
• Werner, P. (2004). Wprowadzenie do systemów geoinformacyjnych. Warszawa: Wyd. Jark.
• Wolski, J. (2012). Błędy i niepewność w procesie tworzenia map numerycznych. Prace Komisji Krajobrazu Kulturowego, 16, s. 15–32.

Identifiers

DOI

10.18778/2543-9421.04.10