Eine Arbeitsgruppe der Weltbank betreibt derzeit Forschung, um zu beurteilen, welche räumlichen Schlüsselindikatoren die Einstellungschancen von Frauen im Bereich der erneuerbaren Energien am meisten beeinflussen. Die Forschung zielt darauf ab, ein Tool zur Analyse von Orten zu entwickeln, das beurteilt, wie stark die jeweiligen Ortschaften Frauen bei der Suche nach Arbeit und Geschäftsmöglichkeiten im Bereich der erneuerbaren Energien unterstützen. Das Tool, das dabei entwickelt worden ist, ist das Gender Enabling Environments Spatial Tool (GEEST). Es ermöglicht die Analyse von 15 räumliche Schlüsselindikatoren, angefangen mit der Anbindung an öffentliche Verkehrsmittel und der Verfügbarkeit von Schulungs- und Weiterbildungsmöglichkeiten, bis hin zur allgemeinen Sicherheit, der medizinischen Versorgung und dem Vorhandensein von alltäglicher Unterstützung, wie beispielsweise Kinderbetreuungsmöglichkeiten. Das GEEST ist erfolgreich in Saint Lucia getestet worden und bietet eine umfangreiche Evaluation, wie sehr Ortschaften die Gleichberechtigung der Geschlechter auf dem Arbeitsmarkt unterstützt.
Die Studie ist unter dem Punkt „Geographies of Energy Justice and Energy Futures“ auf der jährlichen RGS Konferenz, die diesjährig am Freitag, den 30. August im Imperial College in London stattgefunden hat, präsentiert worden. Das Feedback der Teilnehmenden war sehr ermutigend, insbesondere in Bezug auf die Vielseitigkeit und Innovation des Geospatial Gender Employment Analytical Framework.
Die Aufgabe von HeiGIT bestand darin, eine Datenqualitätsanalyse der Open Source Daten, wie beispielsweise von OSM (OpenStreetMap) und Mapillary, durchzuführen, um potenzielle zukünftige räumliche Analysen zu rechtfertigen. Um dies zu erreichen, haben wir unsere ohsome quality API (OQAPI) genutzt, um verschiedene Qualitätsindikatoren zu berechnen. Wir haben unsere Beurteilung in drei Teile gegliedert:
Our task was to conduct a data quality assessment of Open Source Data, such as OSM (OpenStreetMap) and Mapillary, as a potential validation for further spatial analysis. For this, the ohsome quality API (OQAPI) tool was used to compute various quality indicators. We divided our assessment into three parts:
Erste Analyse: Grundlegende OSM-Objekte (Gebäude und Straßen)
Das Ziel der ersten Analyse war es, Erkenntnisse zu der Qualität von grundlegenden OSM-Objekten wie Gebäuden und Straßen zu erhalten. Die Beurteilung dieser Werte könnte vorläufige Ergebnisse liefern, mit denen die Verlässlichkeit von OSM-Daten in St. Lucia eingeschätzt werden kann. Wir haben verschiedene Aspekte betrachtet, unter anderem, wie aktuell und vollständig die Daten sind und wie aktiv freiwillige Kartierende in St. Lucia sind. Weiterhin haben wir die Daten mit externen Datensätzen verglichen. Die Ergebnisse lassen auf eine moderate bis gute Qualität der grundlegenden OSM-Daten in St. Lucia schließen. Die Vollständigkeit der Straßen- und Gebäudedaten sowie die Aktivität von Kartierenden war moderat, aber dennoch ausreichend, um als verlässlich bezeichnet zu werden.
Zweite Analyse: Daten von Mapillary in St. Lucia
Die zweite Analyse hat sich auf Daten von Mapillary in St. Lucia konzentriert und wie vollständig diese im Vergleich zu OSM-Daten sind. Unser Ziel war es, zu ermitteln, ob Daten von Mapillary für zukünftige Forschung in St. Lucia herangezogen werden können. Die Ergebnisse hier waren heterogener. Während große Straßen von Mapillary-Daten gut abgedeckt waren, verzeichneten kleinere Straßen nur eine moderate Abdeckung. Fußwege und Wanderwege hingegen waren in Mapillary nicht ausreichend abgedeckt. Aus diesem Grund ist das Ergebnis uneindeutig und reicht von einer guten bis zu einer schlechten Abdeckung.
Dritte Analyse: Spezifische OSM-Objekte mit Bezug zu Zugänglichkeit und Ortsbeschreibungen
Unsere dritte Analyse beinhaltete eine detaillierte Untersuchung von OSM-Objekte mit Bezug zu Zugänglichkeit und Ortsbeschreibungen, also Objekte, die mit Reiseverhalten, täglichen Aktivitäten oder medizinischer Versorgung in Zusammenhang stehen. Die Ergebnisse waren hier ebenfalls uneindeutig. Manche Objekte, wie die Lage von Kindergärten, ökologischer Lebensmittelläden, Apotheken, Straßenübergängen und Wasserkläranlagen waren in St. Lucia in OSM nicht gut kartiert. Auf der anderen Seite war die Lage von Grundschulen, öffentlicher Verkehrsmittel, Krankenhäuser, Banken und administrativer Einrichtungen sehr gut kartiert.
Fazit
Als Ergebnisse der Datenqualitätsanalyse kann gesagt werden, dass St. Lucia sowohl in OSM als auch in Mapillary ausreichend kartiert ist. Es ist jedoch wichtig, im Hinterkopf zu behalten, dass nicht alle OSM-Objekte für zukünftige räumliche Analysen verlässlich sind.
Um über zukünftige Entwicklungen und Veröffentlichungen dieses Projektes, unser Bestreben, Geoinformationstechnologie voranzutreiben, und unseren anderen Projekten in den Bereichen Mobilität, humanitärer Hilfe und der räumlichen Datenanalyse informiert zu bleiben, können Sie uns auf unseren Social-Media-Kanälen folgen und unseren Blog lesen.