A2. Kreowanie i przetwarzanie syntetycznych danych zbiorczych

Każda ankieta wpływająca do Bazy IdN1 (czyli tym samym pojedynczy respondent w chwili zgłoszenia się) zostaje najpierw “ekspercko” przetworzona na ciąg wartości 12 następujących cech:

Lp.	Nazwa cechy	Skrót	Odpowiednik angielski	Skrót angielski
1	Zatrudnienie	zatrudn	current employment	employ
2	Doświadczenie zawodowe	dos.zaw	Professional experience	prof-exp
3	Sytuacja materialna	syt.mat	economic situation	econ
4	Znajomość języków obcych	j.obce	foreign language skills	lang
5	Wiek	wiek	Age	age
6	Wykształcenie	wykszt	Education	educ
7	Posiadany sprzęt komputerowy	sprzęt	computer related equipment	equip
8	Względna sprawność fizyczna	wzgl.spr	functional level of disability	func-lev
9	Klasa (wielkość) zamieszkiwanej miejscowości	kl.miejsc	population size of city of residence	pop-size
10	Kwalifikacje komputerowe	kw.komp	skill level with computers	skills
11	Zapotrzebowanie na szkolenie		request for computer training
12	Zapotrzebowanie na pracę		>request for employment

Cechy 1¸10 opisują sytuacje respondentów, a cechy 11 i 12 ukazują podstawowe oczekiwania jakie mają wobec Fundacji. Obie końcowe cechy przybierają wartości 0 lub 1 i służą tylko jako sygnał, że ankieta powinna stać się przedmiotem zainteresowania działacza Fundacji odpowiedzialnego za szkolenia i/lub działacza Fundacji odpowiedzialnego za wspomaganie zatrudnienia. Natomiast dziesięć początkowych cech służy do opracowania syntetycznej informacji statystycznej o zbiorze respondentów.

Dla każdej z cech z pierwszej dziesiątki wyróżniono 6 kategorii, wybranych tak, żeby można je było traktować jako uporządkowane poziomy l, 2, ... , 6 odpowiadające coraz wyższemu uprzywilejowaniu respondenta: na przykład dla cechy zatrudnienie kategoria 1 oznacza całkowity brak pracy, kategoria 2 brak pracy połączony ze sporadycznymi zleceniami, a kategoria 6 pracę wyjątkowo korzystną finansowo a przy tym satysfakcjonującą merytorycznie i możliwą do wykonania przy barierach stwarzanych przez niepełnosprawność indywidualnego respondenta. Dla cechy wiek dokonano podziału na grupy wiekowe od najmłodszych (kategoria 1) do najstarszych (kategoria 6); w tym przypadku trudno wprawdzie formalnie uznać starszych za bardziej uprzywilejowanych, ale rzeczywiście sytuacja życiowa młodszych inwalidów jest na ogół trudniejsza niż tych starszych.

Wartości cech są wyznaczone przez eksperta będącego opiekunem Bazy IdN1 w sposób subiektywny (podobnie jak to się dzieje przy wystawianiu przez nauczyciela oceny dla ucznia). Na ogół – po nabraniu pewnej wprawy – nie nastręcza to trudności. Kłopoty występują wtedy, gdy wymagania wobec kwalifikacji komputerowych i posiadanego sprzętu komputerowego zmieniają się wraz z upływem czasu i w rezultacie to, co w 2001 zasługuje na kategorię "średnio" (czyli "3"), w 1997 zasługiwałoby np. na "5" lub byłoby w ogóle poza skalą. Dlatego opiekun Bazy IdN1 dokonuje co roku “up grade’u” swoich wewnętrznych kryteriów dla tych dwóch cech na podstawie doświadczeń własnych i informacji otrzymywanych od wykładowców, pracodawców, etc.

Kodowanie ankiet odbywa się sukcesywnie w miarę ich napływu. W rezultacie powstaje macierz danych o 10 kolumnach odpowiadających 10 cechom (z wartościami cech ze zbioru {1,...,6}) i o tylu wierszach, ilu respondentów wypełniło ankietę.

Macierz kodowanych danych ( bez imion i nazwisk respondentów) jest co roku przekazywana do Zespołu Statystycznej Analizy Danych w Instytucie Podstaw Informatyki PAN, gdzie następuje jej przetwarzanie tak zwanymi metodami gradacyjnymi. Szczególnie ważne są procedury ukierunkowanej analizy skupień i dekompozycji zbioru respondentów na regularniejsze podzbiory. Zgrubny opis głównych procedur (z uwzględnieniem procedur dotyczących aktualizacji danych) będzie podany w dalszym tekście razem z wynikami poszczególnych analiz i płynącymi z nich wnioskami.

Do przetwarzania syntetycznych danych zbiorczych stosowany jest system komputerowy o nazwie GradeStat, tworzony od paru lat w Zespole Statystycznej Analizy Danych przez mgr inż. Olafa Matyję. System jest ciągle jeszcze rozwijany i testowany przez członków Zespołu i przez wybranych odbiorców instruowanych przez Autora systemu, którzy wdrażają GradeStat odpowiednio do swoich potrzeb. Dane z Bazy IdN1 tworzą jeden ze zbiorów danych testujących ten system. Nowi odbiorcy, którzy chcieliby już teraz posłużyć się GradeStat-em, mogą zwrócić się bezpośrednio do IPI PAN, mailem (eple@ipipan.waw.pl, olaf@ipipan.waw.pl) lub listownie.

System stanowi ważny element składowy doktoratu pana Matyji, więc jego opis będzie powszechnie dostępny w końcu 2002 w rozprawie złożonej w Bibliotece IPI PAN.

Aplikacja GradeStat została stworzona przy użyciu narzędzi Visual C++. Zaimplementowane obecnie algorytmy pozwalają m.in. na łączenie zbiorów danych pochodzących z różnych źródeł, gradacyjną analizę skupień (clustering), gradacyjną dekompozycję populacji na podpopulacje o większej regularności, znajdowanie elementów odstających. Dużo uwagi poświęcono nowatorskiej wizualizacji danych, której przykłady są podane w paragrafach A4 – A6.