Historisk geografi-Inndeling
Fra Harald Grovens wiki
Innhold |
[rediger] Naturligere inndeling?
Historikernes kilder er ofte ordnet etter den administrative inndelingen på kildenes skapelsestidspunkt. Når de administrative grensene ikke gjenspeiler inndelingene undersøkelsesobjektet, kan en skape egne.
Administrative inndelinger er ofte geografiske avtrykk av ”fossile maktforhold”. De gjenspeiler fortidens politikk, befolkningskonsentrasjoner og komunikasjoner. Andre ganger kan den geografiske inndelinga være en gjenspeiling av fravær av lokal makt. (F.eks afrikanske og amerikanske linjalopptrukne grenser). Industrialisering er et eksempel på et fenomen som ofte sent nedfeller seg i ny administrativ inndeling. Et nærtliggende eksempel vil være råtne valgkretser fra 1800-tallets England. Her kunne det ta et halvt hundreår eller mer før Den industrielle revolusjons store industribyvekst nedfellte seg i politisk representasjon. I kartet til venstre som Kjeldstadli har brakt fram i lyset, vises Oslos industriområder på 1930-tallet. Ved å se industriklynger og landskapsformer i sammenheng, får en en bedre oversikt over industriens inndeling i Oslo. Bydeler eller andre kretser ville stykket opp områdene etter andre kriterier enn industriens egne.
[rediger] Automatisert inndeling
I dette eksempelet er har det vært enkelt å nyinndele i enhetene i områder for dette formålet manuelt. Men dersom en har tusenvis av enheter der en skal se mønstre i enhetenes plassering over tid, kan det være nyttig å anvende mer kraftige statistiske teknikker. Klyngeanalyse (”cluster analysis”) er en matematisk metode som klassifiserer uklassifiserte enheter. Disse teknikkene er velegnet til å analysere bosetningskonsentrasjoner.
[rediger] Detaljnivå
I henhold til statistikkens ”store talls lov”, vil lokal variasjon glattes ut når flere enheter sammenslås til større kretser. Dermed risikerer en å skjule interessante lokale variasjoner.
Kartet nedenfor viser spedbarnsdødeligheten med län som enhet til venstre. Kartet til høyre viser (nesten*) samme data med kirkesogn som enhet. Ved å velge et mindre administrativt nivå, vil andre mønstre komme til syne.
Å sammensette data fra flere kretser til en enhet kalles å aggregere dataene. Ved å gjøre dette taper en detaljer, men en vinner oversikt over egenskaper som er felles for flere enheter. Men sammenslåing til også kassere store mengder data. Men i mange tilfeller kan det nettopp være de kasserte dataene som inneholder interessant variasjon?
- Note: Klassifiseringen mellom de to kartene er basert på noe forskjellig tidsserie (to år avvik) Dessuten er klasseinndelingen avvikende. Et kart med sammenfallende klasseinndeling og tidsintervall ville trolig utvist samme mønster. Men det kan vi logisk sett ikke vite. (Seminarnote: Rakk ikke å skaffe kart med riktig tidsserie i tide)
Ikke bare Einstein kan snu opp ned på tid-rommet
[rediger] Forvrengning fremmer forståelse
Informasjonsgrafikk skal henlede oppmerksomheten mot selve dataene. Det vil si det fenomen du skal forså eller forklare. Linjer, akser, og alt blekk (/bildepunkter) som ikke brukes til å få frem informasjonen du skal vise bør minimeres. Dersom informasjonsgrafikken er et kart med en eller fler sosiale variabler inntegnet, kan en ofte komme situasjoner der grafikken forteller egenskaper ved geografien, ikke egenskaper ved variabelene. Eksemplet nedenfor viser et vanlig choropleth-kart (norsk term?) til venstre og et kartogram til høyre. Begge viser de samme dataene. Nemlig barnedødeligheten i England og Wales 1891-1901.
Kartogrammet til høyre gjengir størrelsen på distriktene proporsjonalt med befolkningstallet i kretsen. I kartet blir store, tynt befolka, jordbruksdominerte distrikter med lav barnedødelighet visuelt overrepresentert. Kartogrammet viser langt klarere enn kartet de underliggende data -- nemlig at barnedødelighet var et størst problem i strobyområdene. Kartogrammet forvrenger geografien. Men ved å ”veksle inn” korrekt gjengivelse av geografien til korrekt gjengivelse av befolkningstallet, oppnås mye. I de aller fleste forskningssammenhenger vil det være mortaliteten i befolkningen en er interessert i å oppnå innsikt i. Ikke den nøyaktige geografiske distribusjonen av den. (I enkelte epidemologiske studier kan det muligens være omvendt). Fordi slike kartogram kan ta form av en gelèaktig masse som forandrer seg etter befolkningstallet, er det trolig best å se choroplethkartet og kargtogrammet i sammenheng.
