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

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

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

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

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

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

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

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

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

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

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

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

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

Jazyk!

Jazyk!

Python a získání dat z OSM API

Filtrace sekundárních dat

Vyhodnocení

Adaptace mapathonů
online mapathony hybridní mapathony mid-month online
mapathony

Participace na mapathonech

Participace na mapathonech

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

Vlivy na participaci

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

Hodinový průměr
+ 19,07 % + 1,43 %

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

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

Proč tohle
všechno
děláme?

Děkuji za pozornost
241061@muni.cz