Schválené projekty 2010

Rozdělení přidělené dotace z MŠMT na specifický vysokoškolský výzkum po fakultách se zohledněním celoškolských pracovišť na rok 2010

Přidělená částka z MŠMT na VŠB-TUO - 25 868 000,-Kč

fakultačástka v tis. Kč
FBI 622
EKF 2 146
FAST 1 139
FS 4 030
FEI 4 339
HGF 6 187
FMMI 7 405
CELKEM 25 868
KódSP/2010198
Název projektuProstorové metriky demo-sociálních změn v urbánním prostředí
ŘešitelIvan Igor doc. Ing., Ph.D.
Školitel projektudoc. Ing. Jiří Horák, Dr.<br />
Období řešení projektu01.01.2010 - 31.12.2010
Předmět výzkumuSvětová města dlouhodobě ztrácejí status výrobních průmyslových center a stávají se centry terciárního a kvartálního sektoru. Počínaje 60. lety 20. století začínají tato města ztrácet většinu svých dělníků a zaměstnanců v průmyslu a to díky rozsáhlým uzavíráním průmyslové výroby, mechanizaci, suburbanizaci průmyslu a obecně kvůli celosvětovému posunu industriální výroby z center do periferních částí světa. Tyto pracovní pozice byly postupně nahrazovány zaměstnaností ve službách a to hlavně v oblasti finančnictví (Fyfe, Kenny, 2005). Město tvoří dynamický socio-ekonomický systém, který je vnitřně silně heterogenní. Tato heterogenita se zřetelně odráží také ve vnitřním prostorovém uspořádání města. Tyto proměny měly obrovský dopad právě na tuto vnitřní strukturu města. Pokud tato industriální města chtěla hrát dále důležitou roli v národním či dokonce nadnárodním prostředí, musela projít celkovou proměnnou (Glasgow, Manchester, Lille, Bilbao, Dortmund, Katowice, Ostrava atd). V tomto období ztrácela velkou část své populace, měnilo se ekonomické zaměření zaměstnanosti obyvatel a v neposlední řadě nastaly proměny v bytové výstavbě. Některé městské části tak prošly kompletní proměnou, stejně jako jejich obyvatelé. Z analytického hlediska lze tyto změny v prostorové distribuci obyvatel či zaměstnanců sledovat prostřednictvím celé řady metrik. McKibben, Faust (2004) zde zařazují metodu procentuální distribuce, která je z pravidla nejjednodušší mírou pro popis prostorové distribuce obyvatel. Je totiž nemožné porovnávat zastoupení dílčí subpopulace mezi několika různě velkými populacemi, pokud se nepočítá právě s procentuálním zastoupením této subpopulace. Další měrou pak je Zipfovo pravidlo velikostní kategorie (Zipf, 1949), Giniho míra koncentrace, která měří velikost nerovnosti a Lorentzova křivka, která umožňuje graficky reprezentovat nerovnost dvou distribucí. Dále zde řadí indexy rezidenční separace a prostorové izolace skupin obyvatel neboli míry segregace. Tyto indikátory měří relativní stupeň rezidenční separace rozdílných skupin obyvatel v urbánním prostoru (Sýkora, Temelová 2005). S postupnou větší dostupností dat a vývojem sofistikovaných počítačových analytických postupů, vznikaly další více zpřesněné indexy. Massey, Denton (1988) vytvořili shlukovou analýzou z 20 různých indexů segregace 5 výsledných kategorií indexů – vyrovnanost, ohrožení, koncentrace, centralizace a shlukování. Dále pak doporučili jeden nejlepší index pro každou tuto skupinu rezidenční segregace. Kategorie vyrovnanost měří prostorovou segregaci rozdílných skupin a segregace je nejmenší, pokud má každá oblast stejnou populační skladbu. Řadí se sem index nesourodosti, který měří nesourodost dvou populací v jednom území nebo index entropie, který měří různorodost populace v území. Indexy z kategorie ohrožení pak měří možný kontakt mezi členy jednotlivých skupin a je zde zařazen index izolace, který měří pravděpodobnost, že náhodně zvolený člen jedné skupiny se potká se členem stejné skupiny či index interakce, který měří pravděpodobnost, že se člen skupiny potká se členem jiné skupiny. Základní myšlenkou skupiny indexů koncentrace je tvrzení, že pokud skupiny mají stejnou populaci, ale bydlí v rozdílně velké oblasti v rámci území, tak by území bylo považováno jako segregované. Zde je zařazen index koncentrovanosti, který je odvozen z indexu nesourodosti. Do čtvrté skupiny centralizace je zařazen absolutní index centralizace, který měří distribuci minoritní skupiny okolo centra geografické jednotky a jeho velikost napovídá preferenci žít na okraji této jednotky (hodnoty blízké -1) nebo naopak v centru (hodnoty blízké 1) a dále relativní index koncentrovanosti. Poslední pátá skupina shlukování pak umožňuje detekovat různé etnické, rasové a jiné enklávy. Je zde zařazen index prostorové blízkosti, který měří průměrnou blízkost mezi členy jedné skupiny a členy jiné skupiny nebo index relativního shlukování. Všechny tyto nástroje tak poskytují silný nástroj pro zkoumání posledních trendů v rezidenční distribuci a separaci skupin.
Identifikace sousedů reprezentuje specifický problém polygonového vzorku. Pro čtvercový grid je možné odvodit okolí např. podle pohybu šachových figur – věž, střelec či královna. Pro nepravidelný prostorový vzorek pak musí být využito více přístupů. Přehled těchto metod určování blízkosti v případě použití areálových dat poskytuje publikace od Bailey, Gatrell (1995). Lze využít například topologického přístupu, kde jsou jako prostorově blízké považovány ty jednotky, které spolu přímo sousedí, určené prahové hodnoty vzdálenosti, která odpovídá např. eukleidovské vzdálenosti nebo dále třeba k nejbližších sousedů apod. Anselin et al. (2005) tyto metody implementoval do programu GeoDa, který umožňuje vypočítat rozdílné typy stanovení vah pro areálová data. Metriky prostorové autokorelace umožňují určit podobnost určitých území a pracuje dle Goodchild (1987) jak s tematickou, tak s geometrickou složkou prostorových dat. Toto pak s využitím geografických informačních systémů umožňuje významně zlepšit výsledky analýz a dokonce zdůraznit výsledky, které by za jiných okolností zůstaly skryty (Fotheringham, Rogerson, 1994). Dle Anselin (1995) je možné hodnotit, zda prostorové vazby existují či ne. Globální prostorová autokorelace prozkoumává prostorové charakteristiky atributových dat v celém regionu a jejím výstupem je jakási jedna výsledná hodnota statistického ukazatele, která je platná pro všechny oblasti zkoumaného území. Naopak lokální měřítko prostorové autokorelace (LISA) bylo navrženo pro identifikaci výskytu odchylek od globálního vzoru a „hot spotů“ či „cold spotů“, jako lokální shluky a odlehlé hodnoty. Existují dva základní ukazatele existence prostorové autokorelace a to Moranovo I kritérium a Gearyho C kritérium. Obě mohou být použity pro zjišťování jak globální, tak i lokální prostorové autokorelace. Celá řada praktických ukázek použití jako lokalizace etnicky jednotných oblastí, oblastí s vysokou kriminalitou, s častým výskytem požárů apod. je uvedena v Goodchild, Janelle (2004). Prostorové vazby v aglomeraci Paříže a okolí pak zkoumali například Guillain and Le Gallo (2006) a využívali k tomu právě metodiku LISA a Giniho koeficient. Netrdová and Nosek (2009) pak porovnávali hodnoty globální a lokální autokorelace s dekompozicí Thailova indexu pro stadium geografické úrovně sociálních nerovností v rámci České republiky. Běžným limitujícím faktorem pro tyto metody je fakt, že pracují stále s určitými územními celky (čtvrti, statistické jednotky, socioekonomické regiony apod.). Čím rozlehlejší tyto zóny pak jsou, tím větší je vnitřní heterogenita jednotlivých oblastí (Burrough, McDonell 1998).
ANSELIN, L. 1995: Local indicators of spatial association - LISA. Geographical Analysis 27(2).
ANSELIN L., SYABRI I., KHO Y. (2005): GeoDa: An introduction to spatial data analysis. Geographical Analysis.
BAILEY, T.C., GATRELL, A.C. (1995): Interactive spatial data analysis. Essex: Longman Scientific & Technical, 1995.
BURROUGH, P., McDONNELL, R. (1998): Principles of Geographical Information Systems. Oxford, Oxford University Press, 336 pp., ISBN 0-19-823365-5.
FOTHERINGHAM, S., ROGERSON, P.: Spatial analysis and GIS. Taylor & Francis Ltd., 1994, ISBN 0-7484-0104-0.
FYFE, N. R., KENNY, J. T. (2005): The Urban Geography Reader. Routledge Taylor & Francis Group. ISBN 0-415-30702-3.
GOODCHILD, M., F. 1987: Spatial Autocorrelation. Norwich. Geo Books.
GOODCHILD M. F., JANELLE, D. G. (eds.) (2004): Spatial Integrated Social Science, Oxford University Press. ISBN 0-19-515270-0
GUILLAIN R., LeGALLO J. (2006): Measuring Agglomeration: An exploratory Spatial Analysis Approach Applied to the Case of Paris and Its Surroundings. In Proceedings of 1st workshop of Spatial Econometrics Association Rome, 2006.
MASSEY, D., DENTON, N. (1988): The dimensions of residential segregation. Social Forces 67: 281-315.
McKIBBEN, E. N., FAUST, K. A. (2004): Population distribution: Classification of Residence. In SIEGEL, J. S., SWANSON, D. A. (eds.): The Methods and Materials of Demography. Academic Press; 2 edition. 819 p. ISBN 978-0126419559.
NETRDOVÁ, P., NOSEK, V. (2009): Přístupy k měření významu geografického rozměru společenských nerovnoměrností. Geografie–Sbornik ČGS, 114, 1, pp. 52–65.
SÝKORA, L., TEMELOVÁ, J., eds (2005): Prevence prostorové segregace. Praha Univerzita Karlova v Praze, Přírodovědecká fakulta, katedra sociální geografie a regionálního rozvoje, Centrum pro výzkum měst a regionů a Ministerstvo pro místní rozvoj.
ZIPF, G. K. (1949): Human behaviour and the principle of the least effort. New York: Addison-Wesley Press.
Členové řešitelského týmuBc. Jakub Calábek
doc. Ing. Jiří Horák, Dr.
Mgr. Tomáš Inspektor, Ph.D.
doc. Ing. Igor Ivan, Ph.D.
RNDr. Jiří Kovář
Bc. Jitka Kubenová
Ing. Pavel Kukuliač, Ph.D.
Bc. Pavel Soukup
Bc. Tomáš Trúchly
Specifikace výstupů projektu (cíl projektu)Předmětem projektu je kvantitativní analýza demografického, sociálního a urbánního vývoje 2 vybraných měst založená na prostorových metrikách a se zaměřením na využití prostorových aspektů geografických dat. Geografické informační systémy představují silný nástroj, který významně zlepšuje výsledky analýz a dokonce může zdůraznit výsledky, které by za jiných okolností zůstaly skryty. Analyzována bude situace v Glasgow a v Ostravě, tato města tvoří dva významné zástupce industriální historie bývalého východního a západního bloku. Obě tato města musela v posledních desetiletích projít významnou proměnou a to hlavně v případě Glasgow, jehož populace klesla z 1,1 miliónu v roce 1951 na 765 tisíc v roce 1981 a dle výsledků dnes žije v Glasgow něco přes 580 tisíc obyvatel a některé jeho části ztratily během 10 let více jak 50 % obyvatel. Předpokládá se tak bližší spolupráce s University of Glasgow (David Donnison) a s Glasgow City Council (David Webster), kde byl řešitel během roku 2009 na tříměsíční studijní stáži a vytvořil si zde zázemí, které by tímto projektem chtěl dále rozvinout. Předpokládá se využití dat ze Sčítání lidu, domů a bytů od roku 1971 a 2001 a pak nejaktuálnějších dat o situaci v těchto městech a to na úrovni tzv. lokálních statistických územích, resp. městských částí. Novější data pak na úrovni data zones, resp. základních sídelních jednotek. V průběhu řešení projektu se tak plánuje alespoň jedna cesta do Glasgow pro sběr dalších dat a konzultace dosažených výsledků. Ostrava je z tohoto hlediska jiná, nebyla postihnuta takovými prudkými výkyvy v počtu obyvatel, nicméně i zde došlo k několika významným událostem, jako je např. přeměna zemědělské vesnice Poruby do jedné z nejlidnatějších čtvrtí města a její populační velikost narostla mezi lety 1950 a 1991 o více jak 5100 % a v menším měřítku pak také Ostrava-jih. Důležité jsou tyto aspekty především pro města střední a východní Evropy typu Ostravy, která procházejí rychlou hospodářskou a sociální transformací od 90. let, která je doprovázena ostrou diverzifikací společnosti, vznikem ghett a lokalit ve městě, které jsou postiženy demografickými, sociálními či ekonomickými problémy. K tomu je nutná potřeba využít vhodné metriky, které by tyto jevy dokázaly monitorovat a včas zacílit pozornost odpovědných orgánů pro zlepšení situace a zabránění hlubší segregaci obyvatel v těchto lokalitách ve městě. Glasgow je v těchto změnách o téměř 20 let napřed, tudíž bude sloužit rovněž jako příklad možné orientace vývoje Ostravy. Obě města pak byla postižena a v menším měřítku jsou stále ovlivněna silnými migračními odlivy obyvatel – migrace na dlouhé vzdálenosti (jihovýchod Anglie – konurbace Londýna; Praha, Brno) a pak suburbanizací (migrace do tzv. New Towns v okolí Glasgow; migrace do Podbeskydí, Hlučínsko). Hlavní zaměření tak bude na proměny demografické struktury města a jeho částí, ale zároveň bude sledována také ekonomická proměna města z průmyslově zaměřeného centra na město 21. století. Jelikož ekonomická orientace obou těchto měst se za poslední desetiletí významně proměnila z industriálních center na centra služeb, kultury a sportu. S tím je tak úzce spojena také proměna zaměstnanosti obyvatel města. Všechny tyto proměny měly vliv také na cenu nemovitostí a pozemků v rámci města, jejichž proměna bude v projektu rovněž studována. Toto téma je celosvětově velmi aktuální, podobné problémy se neřeší jen v Evropě, ale také v případě ruských a čínských měst.

Rozpočet projektu - uznané náklady

NávrhSkutečnost
1. Osobní náklady
Z toho
16320,-45300,-
1.1. Mzdy (včetně pohyblivých složek)12000,-33800,-
1.2. Odvody pojistného na veřejné zdravotně pojištění a pojistného na sociální zabezpečení a příspěvku na státní politiku zaměstnanosti4320,-11500,-
2. Stipendia69000,-36000,-
3. Materiálové náklady11680,-28400,-
4. Drobný hmotný a nehmotný majetek15000,-7350,-
5. Služby15000,-10500,-
6. Cestovní náhrady27000,-34450,-
7. Doplňkové (režijní) náklady max. do výše 10% poskytnuté podpory18000,-18000,-
8. Konference pořádané VŠB-TUO k prezentaci výsledků studentského grantu (max. do výše 10% poskytnuté podpory)8000,-0,-
9. Pořízení investic0,-0,-
Plánované náklady180000,-
Uznané náklady180000,-
Celkem běžné finanční prostředky180000,-180000,-