ISSN:1896Ǧ382X|www.wnus.edu.pl/epu DOI:10.18276/epu.2018.131/1Ǧ13|strony:131–137
AnnaJanigaǦ*miel
UniwersytetEkonomicznywKatowicach WydziaÏZarz¦dzania,KatedraStatystyki,Ekonometrii,Matematyki anna.janigaǦcmiel@ue.katowice.plAnalizataksonomicznawojewództwPolski
wzakresieprocesuuĂytkowaniaInternetu
Kody JEL: C020, C100, C190, O390
Sáowa kluczowe: spoáeczeĔstwo informacyjne, taksonomia, grupy jednorodnego rozwoju Streszczenie. W artykule zaprezentowano zagadnienia związane z problematyką spoáeczeĔstwa
informacyjnego. Gáównym celem artykuáu jest analiza taksonomiczna uĪytkowania Internetu w województwach Polski. Jako narzĊdzie analizy wykorzystano metody taksonomiczne.
Wprowadzenie
Nowe technologie podlegają ciągáemu rozwojowi oraz wielu modyfikacjom, a moĪliwoĞü ich dostĊpnoĞci staje siĊ znaczącym elementem naszego rozwoju. Nieusta-jący rozwój spoáeczeĔstwa informacyjnego jest istotnym czynnikiem procesu globaliza-cji. ZróĪnicowanie w spoáeczeĔstwie w gáównej mierze dotyczy moĪliwoĞci wykorzy-stania i dostĊpu do zdobyczy rewolucji komunikacyjnej i informacyjnej (BliĨniuk, No-wak, 2005).
W roku 1969 w Stanach Zjednoczonych powstaje Internet, a dokáadnie pierwsze próby transmisji danych. Natomiast rok 1991 to w Polsce data przesáania pierwszych pakietów danych miĊdzy Wydziaáem Fizyki Uniwersytetu Warszawskiego a Centrum Komputerowym Uniwersytetu w Kopenhadze. DziĊki uruchomieniu programu „Internet dla szkóá” w roku 1995 umoĪliwiono szkoáom podáączenie do sieci, a nastĊpnie dla osób prywatnych, gáównie w Warszawie (Baran, 2013). Wraz z upáywem czasu uĪyt-kowanie Internetu staje siĊ w coraz szerszym zakresie dostĊpniejsze dla spoáeczeĔstwa, niezaleĪnie od miejsca zamieszkania, miĊdzy innymi przez moĪliwoĞü korzystania z Internetu za pomocą telefonu komórkowego. Wykorzystujemy w swoim codziennym Īyciu róĪnorodne gadĪety technologiczne, które uáatwiają nam funkcjonowanie w
obec-nych czasach, jednak bez nich Īycie staje siĊ coraz bardziej niemoĪliwe i powoli uza-leĪniamy siĊ od nich (Ganczar, 2009). Zmiany te równieĪ mają wpáyw na nasze otocze-nie, naszą pracĊ, bowiem powstaje wiele nowych zawodów, które są nierozáącznie związane z uĪytkowaniem Internetu. Wzrasta liczba pracowników, których korzystanie z komputera i Internetu jest na porządku dziennym. Coraz wiĊksza liczba przedsiĊ-biorstw wykorzystuje wáasną stronĊ internetową, aby dotrzeü do coraz liczniejszego grona ewentualnych wspóápracowników czy teĪ konsumentów (GUS, 2017). UrzĊdy miast w wielu krajach zaproponowaáy wprowadzenie e-administracji. Proces ten usprawniá i skróciá czasowo przeprowadzanie procedur urzĊdowych zarówno w przy-padku klientów indywidualnych, jak i przedsiĊbiorców. KaĪdy obywatel, w tym w szczególnoĞci ludzie starsi, mogą juĪ skáadaü dokumenty w urzĊdach za pomocą elektronicznego systemu zarządzania dokumentami (GUS, 2017). Wprowadzone zmia-ny skróciáy czas realizacji usáug, ponadto uproĞciáy szereg procedur związazmia-nych z ob-sáugą klientów, a nawet obniĪyáy koszta. Zmiany te jednak wpáywają równieĪ na mody-fikacjĊ naszej kultury, jak równieĪ tradycji. W obecnym Ğwiecie rozwijamy siĊ i funk-cjonujemy jako spoáeczeĔstwo sieciowe, interaktywne (Zaorska, 2011).
Coraz bardziej wzrasta znaczenie Internetu i multimediów, co dodatkowo potĊguje uzaleĪnianie siĊ od nowych technologii (Globan-Klass, Sienkiewicz, 1999). Czáowiek powoli uwzglĊdnia w Īyciu wiele nowych zachowaĔ, doprowadzamy do zjawiska, które wymusza na nas korzystanie w jednym czasie z róĪnych mediów, czyli tak zwany
multi-tasking (Miczka, 2015). Jednak zróĪnicowany dostĊp do Internetu, jak równieĪ róĪny
poziom umiejĊtnoĞci wykorzystania technologii informacyjnych przez spoáeczeĔstwo doprowadziáo do pojawienia siĊ problemu wykluczenia cyfrowego, w szczególnoĞci osób starszych. W związku z powyĪszym w wielu krajach zostaáy wprowadzone dziaáa-nia mające na celu walkĊ z powstaáym zjawiskiem, miĊdzy innymi przez organizowanie odpowiednich szkoleĔ i wprowadzanie kursów komputerowych na przykáad dla senio-rów.
NaleĪy jednak mieü na uwadze, Īe to, w jakim stopniu dane spoáeczeĔstwo wyko-rzystuje technologie informacyjne i uĪytkuje Internet, w gáównej mierze uzaleĪnione jest od typu gospodarstw domowych, miejsca zamieszkania, stopnia urbanizacji oraz regionu.
Celem zaproponowanego w niniejszej pracy badania jest wykorzystanie metody taksonomicznej do wyznaczania grup jednorodnego rozwoju województw Polski w zakresie uĪytkowania Internetu przez osoby fizyczne w wieku 16–74 lat.
AnalizĊ przeprowadzono na podstawie danych z roku 2014 oraz 2017, aby zbadaü, czy skáad wyznaczonych grup województw zostaá zachowany, czy ulegá zmianie w analizowanym czasie.
Reasumując, moĪemy zauwaĪyü, Īe dostĊp do szybkiego rozwoju informatyki i telekomunikacji doprowadziá z jednej strony do wielu udogodnieĔ naszego Īycia, a z drugiej – do pojawienia siĊ równieĪ wielu zagroĪeĔ, które doprowadziáy do powsta-nia spoáeczeĔstwa wielokrotnego ryzyka.
1.Taksonomicznametodaporz¦dkowania
W roku 1913 powstaáy pierwsze prace dające początek zastosowaĔ metod takso-nomii; wĞród badaczy prekursorem byá polski naukowiec Jan Czekanowski. Metody taksonomiczne znalazáy szerokie zastosowanie w innych dziedzinach nauki, miĊdzy innymi w ekonomii, socjologii, antropologii, biologii itp.
Metody porządkowania zbioru obiektów dzielimy na dwie grupy, mianowicie metody porządkowania liniowego oraz metody porządkowania nieliniowego (Panek, 2009, s. 107). Metody porządkowania liniowego dzielimy na metody diagramowe, procedury oparte na zmiennej syntetycznej i procedury iteracyjne oparte na maksymali-zacji funkcji kryterium dobroci uporządkowania. Metody porządkowania nieliniowego są dzielone na metody dendrytowe i metody aglomeracyjne.
W niniejszej analizie zastosowano metodĊ aglomeracyjną, a dokáadnie metodĊ Ğrod-ków ciĊĪkoĞci. W metodzie aglomeracyjnej zakáadamy na wstĊpie, Īe kaĪdy obiekt two-rzy odrĊbną i jednoelementową grupĊ. W kolejnym etapie metody naleĪy poáączyü ze sobą grupy obiektów, które charakteryzują siĊ duĪym podobieĔstwem ze wzglĊdu na wartoĞci opisujących je zmiennych (Pociecha i in., 1988, s. 81). Dodatkowo odlegáoĞci miĊdzy jednoelementowymi grupami obiektów stanowią elementy macierzy odlegáoĞci. W macierzy tej naleĪy uwzglĊdniü te odlegáoĞci, które są najmniejsze miĊdzy tym grupa-mi obiektów. Obiekty, które są do siebie najbardziej podobne, klasyfikujemy do jednej grupy, tym samym zmniejszamy wyjĞciową liczbĊ grup. Wyznaczamy odlegáoĞü nowej grupy od wszystkich pozostaáych grup obiektów i rozpoczynamy procedurĊ od nowa. AnalizĊ naleĪy zakoĔczyü, gdy áączone grupy utworzą jedną grupĊ (Pociecha i in., 1988). W metodzie Ğrodków ciĊĪkoĞci odlegáoĞü miĊdzy dwiema grupami wyznaczamy jako odlegáoĞü miĊdzy Ğrodkami ciĊĪkoĞci tych grup. W metodzie tej obiekty są áączone w taki sposób, aby wyznaczona wariancja wewnątrzgrupowa zmiennych opisujących obiekty w utworzonych skupieniach byáa odpowiednio maáa (Panek, 2009).
2. Metoda ärodków ci¸Ăkoäci – analiza porównawcza poziomu
uĂytkowaniaInternetuwpolskichwojewództwach
Celem badania jest analiza porównawcza poziomu uĪytkowania Internetu przez osoby fizyczne w wieku 16–74 lat w województwach Polski. W badaniu wykorzystano dane empiryczne, korzystając z danych publikowanych przez Gáówny Urząd Staty-styczny oraz na stronie Eurostatu (Janiga-ûmiel, 2017a, 2017b). Badanie zostaáo prze-prowadzone dla danych obejmujących rok 2017 oraz rok 2014. Jako narzĊdzie analizy zastosowano omówioną w poprzednim rozdziale metodĊ wyznaczającą grupy jednorod-nego rozwoju zjawiska, mianowicie metodĊ Ğrodków ciĊĪkoĞci (Janiga-ûmiel, 2016). W pierwszej kolejnoĞci, w oparciu o wystandaryzowane wartoĞci zmiennych diagnostycznych, przeprowadzono porządkowanie województw Polski w zakresie
po-ziomu uĪytkowania Internetu w roku 2017. UwzglĊdniono nastĊpujący zestaw zmien-nych wyjĞciowych:
X1 – dostĊp do komputera w gospodarstwach domowych,
X2 – rodzaje poáączeĔ internetowych w gospodarstwach domowych,
X3 – wydatki gospodarstw domowych na ICT w 2016 roku,
X4 – korzystanie z Internetu w kontaktach z administracją publiczną,
X5 – czĊstotliwoĞü korzystania z zakupów przez Internet,
X6 – osoby áączące siĊ z Internetem poza domem lub miejscem pracy poprzez
urządze-nia przenoĞne.
W wyniku przeprowadzonej analizy otrzymano cztery grupy województw Polski, opisujące poziom rozwoju uĪytkowania Internetu w roku 2017. GrupĊ charakteryzującą siĊ najwyĪszym poziomem stanowi grupa G1:
G1 = {mazowieckie, Ğląskie}.
Drugą grupĊ o niĪszym poziomie tworzą województwa: G2 = {dolnoĞląskie, maáopolskie, wielkopolskie, áódzkie}. NastĊpnie grupa G3, której skáad jest nastĊpujący:
G3 = {lubuskie, opolskie, podlaskie, ĞwiĊtokrzyskie, zachodnio-pomorskie, warmiĔsko-mazurskie}.
Ostatnią, najsáabszą grupĊ stanowią województwa:
G4 = { kujawsko-pomorskie, lubelskie, podkarpackie, pomorskie}.
Dodatkowo wyznaczone dla powyĪszego grupowania wartoĞci statystyki F wykazu-ją istotną statystycznie klasyfikacjĊ, poniewaĪ w kaĪdym przypadku wartoĞü p jest mniej-sza od 0,005. Otrzymane grupy jednorodnego rozwoju zaprezentowano na rysunku 1.
Rysunek 1. Grupy jednorodnego rozwoju województw Polski – rok 2017 ħródáo: opracowanie wáasne.
NastĊpnie powtórzono analizĊ, wykorzystując ten sam zestaw zmiennych wyj-Ğciowych dla województw Polski, jednak tym razem w celach porównawczych uwzglĊdniono lata wczeĞniejsze, mianowicie rok 2014.
W wyniku przeprowadzonego badania otrzymano tym razem piĊü grup, przy czym dwie z nich byáy jednoelementowe.
Grupa charakteryzująca siĊ najsilniejszym poziomem zjawiska skáadaáa siĊ z wojewódz-twa tylko mazowieckiego:
G1 = {mazowieckie}.
Kolejne grupy G2 oraz G3 otrzymano o nastĊpującym skáadzie: G2 = {Ğląskie},
G3 = {maáopolskie, wielkopolskie}. NastĊpnie grupy najsáabsze G4 oraz G5:
G4 = {dolnoĞląskie, áódzkie, lubelskie, kujawsko-pomorskie, podkarpackie, pomorskie} oraz
G5 = {lubuskie, opolskie, podlaskie, warmiĔsko-mazurskie, ĞwiĊtokrzyskie, zachodnio-pomorskie}.
Otrzymane wyniki zaprezentowano na rysunku 2.
Rysunek 2. Grupy jednorodnego rozwoju województw Polski – rok 2014 ħródáo: opracowanie wáasne.
Wyznaczone dla powyĪszego grupowania wartoĞci statystyki F wykazują istotną statystycznie klasyfikacjĊ, poniewaĪ w kaĪdym przypadku równieĪ wartoĞü p jest mniejsza od 0,005.
Na podstawie uzyskanych wyników grupowania widzimy, Īe województwa o najwyĪszym poziomie analizowanego zjawiska zawarte są w grupie 1, umiarkowa-nym poziomie rozwoju zjawiska w grupie 2 itd.
Na podstawie uzyskanych wyników moĪemy stwierdziü, Īe skáad grup w roku 2017 i 2014 siĊ róĪni. W obydwu jednak okresach najsilniejszym województwem w zakresie uĪytkowania Internetu jest województwo mazowieckie. Województwo Ğlą-skie i maáopolĞlą-skie w zakresie analizowanego zjawiska utrzymaáo siĊ w grupach 2 i 3, charakteryzujących siĊ nieco niĪszym poziomem. Ponadto warto zauwaĪyü, Īe woje-wództwa, które zostaáy zakwalifikowane do najsáabszej grupy w roku 2014, w roku 2017 znalazáy siĊ w grupie przedostatniej w zakresie analizowanego zjawiska.
Podsumowanie
W niniejszym artykule zastosowano taksonomiczną metodĊ grupowania dla wo-jewództw Polski ze wzglĊdu na poziom uĪytkowania Internetu. Badając podobieĔstwo wyróĪniono w analizowanym zjawisku, w zaleĪnoĞci od odlegáoĞci wiązania, w roku 2014 piĊü grup jednorodnego rozwoju, natomiast w roku 2017 cztery.
Województwo mazowieckie zostaáo zakwalifikowane w obydwu okresach do grupy 1, charakteryzującej siĊ najwyĪszym poziomem zjawiska. Dodatkowo moĪemy stwier-dziü, Īe w przypadku analizowanego poziomu województwo Ğląskie równieĪ pozostaáo w tej samej grupie, to znaczy w G2. Skáad pozostaáych grup ulegá zmianie. Zmiany te spowodowane są miĊdzy innymi zróĪnicowanym poziomem rozwoju województw, dostĊ-pem do Internetu, moĪliwoĞciami inwestycyjnymi, jak równieĪ bezrobociem itp.
Dodatkowo, na otrzymane wyniki miaáa wpáyw liczba gospodarstw domowych wyposaĪonych w komputer – najmniej gospodarstw domowych wyposaĪonych w kom-puter wystĊpuje na terenach Polski charakteryzujących siĊ Ğrednim poziomem zurbani-zowania (czĊĞü wschodnia Polski). Natomiast najwiĊcej gospodarstw domowych wypo-saĪonych w komputery wystĊpuje w Polsce centralnej, czyli na terenie o wysokim stop-niu zurbanizowania. NastĊpnie jest kwestia miejsca zamieszkania, poniewaĪ najwiĊcej osób z duĪych miast uĪytkuje Internet w domu oraz w pracy. MieszkaĔcy duĪych miast charakteryzują siĊ wysokim poziomem umiejĊtnoĞci cyfrowych i aktywnoĞcią gospo-darczą, ponadto mogą oni korzystaü z hotspotów.
Literatura
Baran, D. (2013). Internet w Polsce. W: K. Pokorna-Ignatowicz (red.), Polski system medialny
1989–2011 (s. 75–92). Pobrano z: https://repozytorium.ka.edu.pl/bitstream/handle/
11315/667/DBaran_Internet%20w%20Polsce.pdf?sequence=1 (20.02.2018). BliĨniuk, G., Nowak, J.S. (2005). SpoáeczeĔstwo informacyjne 2005. Katowice: PTI.
Ganczar, M. (2009). Informatyzacja Administracji Publicznej. Nowa jakoĞü usáug publicznych dla
obywateli i przedsiĊbiorców. Warszawa: CeDeWu.
Goban-Klas, T., Sienkiewicz P. (1999). SpoáeczeĔstwo informacyjne. Szanse, zagroĪenia,
wyzwa-nia. Kraków: Wydawnictwo Fundacji PostĊpu Telekomunikacji.
GUS (2017). SpoáeczeĔstwo informacyjne w Polsce. Wyniki badaĔ statystycznych z lat 2013– 2017.Warszawa-Szczecin: GUS, Urząd Statystyczny w Szczecinie.
Janiga-ûmiel, A. (2016). Analiza spoáeczeĔstwa informacyjnego wybranych krajów. Prace
Na-ukowe Uniwersytetu Ekonomicznego w Katowicach, 301, 81–89.
Janiga-ûmiel, A. (2017a). A Comparative Analysis of the Information Society In Poland and
Selected Countries. Proceedings of 35th International Conference Mathematical Methods In Economics. Hradec Kralove, Czech Republic.
Janiga-ûmiel, A. (2017b). Globalisation and the information society in Poland and selected
countries. Proceedings of 17th International Scientific Conference. Globalization and its
socio-economic consequences. Zilina, Czech Republic.
Miczka, T. (red.) (2015). Analiza i diagnoza oraz okreĞlenie perspektywy rozwoju polskiej
kinema-tografii jako elementu rynku audiowizualnego. Warszawa: Fundacja Sztuka Media Film.
Panek, T. (2009). Statystyczne metody wielowymiarowej analizy porównawczej. Warszawa: Ofi-cyna Wydawnicza SGH.
Pociecha, J., Podolec, B., Sokoáowski, A., Zając, K. (1988). Metody taksonomiczne w badaniach
spoáeczno-ekonomicznych. Warszawa: Wydawnictwo Naukowe PWN.
www.ec.europa.eu/eurostat (5.12.2017).
Zorska, A. (2011). Chaos czy twórcza destrukcja? Ku nowym modelom w gospodarce i polityce. Warszawa: Oficyna Wydawnicza SGH.
TAXONOMIC ANALYSIS OF POLISH VOIVODSHIPS IN THE SCOPE OF THE INTERNET USAGE PROCESS
Keywords: Information socjety, taxonomic, homogeneous development group
Summary. The article presents issues related to the Information Society. The aim of the study is
taxonomic analysis of Internet usage in Polish voivodships. The tool used for the analysis is the taxonomic method.
Translated by Anna Janiga-ûmiel
Cytowanie
Janiga-ûmiel, A. (2018). Analiza taksonomiczna województw Polski w zakresie procesu uĪytko-wania internetu. Ekonomiczne Problemy Usáug, 2 (131/1), 131–137. DOI: 10.18276/epu.2018.131/1-13.