Déployer la solution et ajouter des données
ArcGIS Solutions fournit des configurations spécifiques à certains secteurs pour ArcGIS, qui sont conçues pour répondre aux principales exigences et prendre en charge les processus courants au sein de votre organisation. Chaque solution comprend un ou plusieurs projets ArcGIS Pro, applications, enquêtes, cartes et couches d’entités pouvant être configurés en fonction de vos besoins.
Vous allez commencer en déployant la solution Social Equity Analysis (Analyse d’égalité sociale) à partir d’ArcGIS Online et en ouvrant le projet ArcGIS Pro à partir de la solution.
Télécharger la solution Analyse d’égalité sociale
Vous allez d’abord vous connecter à votre compte ArcGIS et rechercher la solution Social Equity Analysis (Analyse d’égalité sociale).
- Connectez-vous à votre compte d’organisation ArcGIS.
Remarque :
Si vous ne disposez pas d’un compte d’organisation, consultez les options disponibles pour accéder aux logiciels.
- En haut de l’écran, cliquez sur le bouton App et choisissez Solutions dans le lanceur d’applications.
La page ArcGIS Solutions apparaît.
- Dans la barre de recherche, saisissez social equity (égalité sociale).
- Cliquez sur la fiche de la solution Social Equity Analysis (Analyse d’égalité sociale).
La fenêtre Social Equity Analysis (Analyse d’égalité sociale) apparaît.
- Dans la fenêtre Social Equity Analysis (Analyse d’égalité sociale), examinez les diapositives qui mettent en avant le processus de la solution.
La solution Social Equity Analysis (Analyse d’égalité sociale) comprend quatre composants clés :
- Évaluer les conditions et actions de la communauté - Ce composant implique de cartographier les conditions de la communauté, de créer des indices composites et d’identifier des modèles démographiques, ainsi que d’effectuer une sélection de site basée sur des objectifs d’égalité.
- Mesurer la progression au fil du temps - Ce composant inclut une application Légende interactive pour partager l’indice des caractéristiques de la communauté avec le grand public.
- Augmenter la transparence et la confiance du public - Ce composant inclut un modèle de site ArcGIS Hub pour partager les progrès réalisés en matière d’initiatives ou de programmes d’égalité raciale avec le public et les parties prenantes. Il inclut également une enquête Survey123 pour que le public puisse livrer ses impressions générales.
Ce didacticiel se concentre sur le premier composant : évaluer les conditions et actions de la communauté.
- Lorsque vous avez terminé d’examiner les diapositives, cliquez sur le bouton Deploy now (Déployer maintenant).
La page My Solutions (Mes solutions) apparaît et la solution Social Equity Analysis (Analyse d’égalité sociale) se déploie.
Vous allez ensuite télécharger le modèle d’application de bureau de la solution à ouvrir dansArcGIS Pro.
- Pointez sur la solution Social Equity Analysis (Analyse d’égalité sociale) et cliquez sur Open (Ouvrir).
- Faites défiler l’écran vers le bas jusqu’à la section Solution Contents (Contenu de la solution) et cliquez sur SocialEquityAnalysis.
La page des éléments SocialEquityAnalysis apparaît. Il s’agit de la page des éléments du paquetage ArcGIS Pro de la solution Social Equity Analysis (Analyse d’égalité sociale).
- Cliquez sur Télécharger.
- Décompressez et ouvrez le contenu de SocialEquityAnalysis.zip. Double-cliquez sur le fichier du projet SocialEquityAnalysis pour ouvrir le projet dans ArcGIS Pro.
Le projet ArcGIS Pro s’ouvre dans une carte vierge.
Ajouter des données de groupes d’îlots de recensement
Vous allez maintenant ajouter les couches dont vous aurez besoin pour créer une carte d’index d’égalité sociale (par exemple, des secteurs de recensement, des emplacements d’écoles, des données démographiques et des données de résultats de santé).
- Dans le projet ArcGIS Pro, dans la fenêtre Catalog (Catalogue), développez Tasks (Tâches) et double-cliquez sur Social Equity Analysis (Analyse d’égalité sociale).
Conseil :
Si la fenêtre Catalog (Catalogue) n’est pas affichée, sur le ruban, cliquez sur View (Vue) et, dans le groupe Windows (Fenêtres), cliquez sur Catalog Pane (Fenêtre Catalogue).
La fenêtre Tasks (Tâches) apparaît.
La fenêtre Task (Tâche) fournit un processus guidé pour utiliser les outils d’ArcGIS Pro et dont l’une des tâches consiste à identifier une zone d’intérêt et à établir quelles communautés sont disproportionnellement affectées et où cibler les interventions pour gérer les impacts ou les résultats disproportionnés. Vous allez commencer en préparant les données relatives aux actifs et aux résultats.
- Dans la fenêtre Tasks (Tâches), développez Identify Study Area, Create and Prepare Variables (Identifier la zone d’étude, créer et préparer des variables), puis double-cliquez sur Identify study area and enrich with demographic variables (Identifier la zone d’étude et enrichir de variables démographiques).
La fenêtre Add Data (Ajouter des données) s’affiche.
- Dans la fenêtre Add Data (Ajouter des données), sous Portal (Portail), cliquez sur Living Atlas. Dans la barre de recherche, saisissez usa census block group boundaries (limites des groupes d’îlots de recensement américains) et appuyez sur Entrée.
- Cliquez sur la couche USA Census Block Group Boundaries (Limites des groupes d’îlots de recensement américains) appartenant à esri_dm.
- Cliquez sur OK.
La couche USA Census BlockGroups (Groupes d’îlots de recensement américains) est ajoutée à votre carte.
- Dans la fenêtre Tâches, cliquez sur Etape suivante.
La prochaine étape de la fenêtre Task (Tâche) vous invite à effectuer un zoom avant sur votre zone de signalement. Vous allez effectuer un zoom avant pour vous rapprocher de Toledo, dans l’Ohio.
- Sur le ruban, dans l’onglet Map (Carte), dans le groupe Inquiry (Requête), cliquez sur Locate (Localiser).
La fenêtre Locate (Localiser) s’ouvre.
- Dans la fenêtre Locate (Localiser), dans la barre de recherche, saisissez Toledo, OH et appuyez sur Entrée.
La carte effectue un zoom sur Toledo, Ohio.
- Fermez la fenêtre Localiser. Sur la carte, effectuez un zoom arrière jusqu’à ce que la quasi totalité de l’État de l’Ohio soit visible.
La couche USA Census BlockGroups (Groupes d’îlots de recensement américains) comprend des données pour l’intégralité des États-Unis, mais vous souhaitez uniquement analyser les données du comté de Lucas, où se trouve la ville de Toledo. Vous allez créer un ensemble de définition afin de limiter les groupes d’îlots de recensement aux groupes contenus dans le comté de Lucas. Pour pouvoir créer l’expression de l’ensemble de définition de la couche, vous allez rechercher le numéro d’identification unique du comté.
- Sur le ruban, dans l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Select (Sélectionner).
- Sur la carte, effectuez un zoom avant sur Toledo et cliquez sur un secteur de recensement à proximité de l’étiquette de la ville de Toledo.
Le secteur sélectionné est mis en surbrillance en bleu, ce qui indique qu’il est sélectionné.
- Fermez la fenêtre Localiser.
- Au bas de la fenêtre Tasks (Tâches), cliquez sur l’onglet Contents (Contenu).
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche USA Census BlockGroups (Groupes d’îlots de recensement américains) et sélectionnez Attribute Table (Table attributaire).
- Dans la table attributaire, cliquez sur Show selected records (Afficher les enregistrements sélectionnés).
La table n’affiche que les lignes du secteur que vous avez sélectionné.
- Localisez l’attribut STCOFIPS et prenez note de la valeur.
FIPS est l’acronyme de Federal Information Processing System. STCO dans STCOFIPS correspond à state (État) et county (comté). Les codes FIPS sont des numéros qui identifient de façon unique des zones géographiques. Les deux premiers chiffres du code STCOFIPS représentent le code de l’État dans lequel se trouve le comté, tandis que les trois derniers représentent un code spécifique au comté.
Le code STCOFIPS du comté de Lucas (Ohio) est 39095. Vous allez utiliser cette information afin de créer un ensemble de définition pour la couche de sorte que celle-ci n’affiche que les données du comté de Lucas.
- Dans la fenêtre Contents (Contenu), double-cliquez sur la couche USA Census BlockGroups (Groupes d’îlots de recensement américains).
La fenêtre Layer Properties (Propriétés de la couche) apparaît.
- Dans la fenêtre Layer Properties (Propriétés de couche), cliquez sur Definition Query (Ensemble de définition), puis sur New definition query (Nouvel ensemble de définition).
- Créez l’expression Where STCOFIPS is equal to 39095 (Lorsque le code STCOFIPS est égal à 39095).
- Cliquez sur Apply (Appliquer), puis sur OK.
- Sur le ruban, dans l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Clear (Effacer) .
La couche n’affiche à présent que les groupes d’îlots de recensement situés dans le comté de Lucas, dans l’Ohio.
Enrichir les groupes d’îlots de données démographiques
À présent que les divisions du groupe d’îlots de recensement figurent sur votre carte, vous allez ajouter des informations démographiques pour chacun des groupes d’îlots.
- Revenez à la fenêtre Tasks (Tâches) et cliquez deux fois sur Next Step (Étape suivante).
La fenêtre Enrich with Demographic Data (Enrichir de données démographiques) apparaît.
La tâche suivante utilise l’outil Enrich (Enrichir) pour ajouter des données démographiques de ciblage clés. Cet outil consomme des crédits.
Remarque :
Le géocodage consomme des crédits. Les crédits sont la devise utilisée dans ArcGIS pour réaliser des transactions spécifiques et utiliser certains types de stockage, comme le stockage d’entités, pour exécuter des analyses et utiliser du contenu Premium. L’appariement des adresses lors de la publication d’une feuille de calcul comme couche d’entités hébergées à l’aide du service ArcGIS World Geocoding Service consomme des crédits. En savoir plus sur les crédits.
Pour savoir combien il vous reste de crédits dans votre compte ArcGIS Online, en haut de la page, cliquez sur votre nom d’utilisateur, puis sur My settings (Mes paramètres). Sur la page My settings (Mes paramètres), cliquez sur Credits (Crédits) pour voir le solde de crédits de votre compte.
- Dans la fenêtre de l’outil Enrich with Demographic Data (Enrichir de données démographiques), pour Input Features (Entités en entrée), sélectionnez USA Census BlockGroups (Groupes d’îlots de recensement américains). Pour Output Features (Entités en sortie), saisissez LucasCounty_Enrich.
Vous allez maintenant choisir dans la fenêtre Enrich with Demographic Data (Enrichir de données démographiques) les variables ayant été déterminées par vos efforts de communication et de collaboration avec la communauté.
Dans un processus d’analyse d’égalité donné, les variables ou les indicateurs sélectionnés pour créer un index d’égalité varient en fonction de l’intervention communautaire et spécifique que vous cherchez à gérer. Comme mentionné auparavant, l’étape la plus cruciale du processus Égalité raciale consiste à impliquer les communautés affectées par l’inégalité et allant recevoir le soutien apporté par l’intervention. De tels membres de la communauté doivent être inclus dans le processus de détermination de ces indicateurs avant la création de l’index.
- Sous Variables, cliquez sur le bouton de suppression des indicateurs préconfigurés suivants.
Remarque :
Si vous supprimez une variable par erreur, vous pouvez réinitialiser la liste des variables en cliquant sur le bouton Back to previous step (Retour à l’étape précédente) situé au bas de la fenêtre Tasks (Tâches). Cliquez ensuite sur Skip (Ignorer) pour revenir à l’étape Enrich with demographic data to reporting areas (Enrichir les zones de signalement de données démographiques). La fenêtre Enrich with Demographic Data (Enrichir de données démographiques) apparaît avec la liste de variables préconfigurée.
- 2023 Total Population (Population totale 2023)
- 2021 Population Age 65+ (ACS 5-Yr) (Population de + de 65 ans (ACS 5 ans), 2021)
- 2023 Unemployed Population 16+ (Population âgée de plus 16 ans sans emploi, 2023)
- 2023 Per Capita Income (Revenu par habitant 2023)
- 2023 Median Household Income (Revenu médian des ménages 2023)
- 2021 Pop Ratio Inc/Poverty: 2.00+ (ACS 5-Yr) (Rapport rev/pauvreté population 2021 : 2,00+ [ACS 5 ans])
- 2021 Pop 19-34: No Health Insurance (ACS 5-Yr) (Pop. 19-34 : sans assurance maladie (ACS 5 ans), 2021)
- 2021 Pop 35-64: No Health Insurance (ACS 5-Yr) (Pop. 35-64 : sans assurance maladie (ACS 5 ans), 2021)
- 2021 HHs w/ Food Stamps/SNAP (ACS 5-Yr) (Ménages : bénéficiant de bons alimentaires/SNAP (ACS 5 ans), 2021)
- 2021 Owner HHs with 0 Vehicles (ACS 5-Yr) (Ménages propriétaires avec 0 véhicule [ACS 5 ans], 2021)
- 2021 Renter HH with 0 Vehicles (ACS 5-Yr) (Ménages locataires avec 0 véhicule [ACS 5 ans], 2021)
- 2023 Owner Occupied HUs (Unités de logement occupées par le propriétaire, 2023)
Cinq variables restent avec l’option percent (pourcentage) sélectionnée :
- 2023 Child Population (Population infantile 2023)
- 2021 HHs: Inc Below Poverty Level (ACS 5-Yr) (Ménages 2021 : rev. sous le seuil de pauvreté (ACS 5 ans))
- 2021 Pop <19: No Health Insurance (ACS 5-Yr) (Pop <19 : sans assurance maladie (ACS 5 ans), 2021)
- 2023 Pop Age 25+: High School/No Diploma (Population +25 ans 2023 : Lycée/Non diplômé)
- 2021 HHs w No Internet Access (ACS 5-Yr) (Ménages sans accès Internet [ACS 5 ans], 2021)
Remarque :
L’exécution de cet outil nécessite 23,95 crédits.
Si vous ne disposez pas de crédits suffisants pour effectuer cette étape, vous pouvez utiliser la couche enrichie LucasCounty_Enrich_Learn_2024 fournie afin de poursuivre le didacticiel. Pour ajouter cette couche, sur le ruban, sous l’onglet Map (Carte), dans le groupe Layer (Couche), cliquez sur Add Data (Ajouter des données). Recherchez LucasCounty_Enrich_Learn owner: Learn_ArcGIS et, dans la liste des résultats, sélectionnez la couche LucasCounty_Enrich_Learn 2024. Ignorez cette étape pour continuer le didacticiel.
- Dans la fenêtre Enrich with Demographic Data (Enrichir de données démographiques), cliquez sur Run (Exécuter).
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur LucasCounty_Enrich et cliquez sur Attribute Table (Table attributaire).
Les indicateurs que vous avez sélectionnés ont été ajoutés au groupe de couches d’îlots.
- Fermez la table.
Ajouter et filtrer des données de résultats de santé
Vous allez ensuite ajouter des données de résultats de santé pour mieux comprendre le taux d’asthme actuel dans le comté. Vous allez ajouter une couche appartenant aux Centres pour le contrôle et la prévention des maladies (CDC) et incluant des données sur la prévalence de l’asthme au niveau des secteurs de recensement.
- Sur le ruban, sous l’onglet Map (Carte), dans le groupe Layer (Couche), cliquez sur Add Data (Ajouter des données).
- Assurez-vous de rechercher Living Atlas et, dans la barre de recherche, saisissez places cdc et appuyez sur Entrée.
- Double-cliquez sur la couche de groupes PLACES: Local Data for Better Health (LIEUX : Données locales pour une meilleure santé) de data_cdc.
Le contenu du groupe de couches apparaît. Vous n’aurez besoin que de la couche Tracts (Secteurs).
- Cliquez sur la couche Tracts (Secteurs) puis sur OK.
La couche Tracts (Secteurs) est ajoutée à votre carte. La symbologie par défaut affiche les secteurs de recensement selon le pourcentage de population dans les secteurs n’ayant pas d’assurance maladie suffisante. Vous êtes intéressé par les données relatives à la prévalence de l’asthme dans cette couche, mais il n’est pour l’instant pas nécessaire de changer la symbologie.
La couche Tracts (Tracts) affiche également les données de tout le pays. Vous n’avez besoin que des données du comté de Lucas. Pour pouvoir créer l’expression de l’ensemble de définition de la couche, comme vous l’avez fait précédemment dans le didacticiel, vous devez connaître le numéro d’identification unique du comté.
- Sur le ruban, dans l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Select (Sélectionner), puis cliquez sur un secteur de recensement à côté de l’étiquette de la ville de Toledo.
Le secteur sélectionné est mis en surbrillance en bleu, ce qui indique qu’il est sélectionné.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche Tracts et choisissez Attribute Table (Table attributaire).
- Dans la table attributaire, cliquez sur Show selected records (Afficher les enregistrements sélectionnés).
La table n’affiche que les lignes du secteur que vous avez sélectionné.
- Faites défiler l’écran pour afficher l’attribut County FIPS (Code FIPS du comté) et prenez note de la valeur.
La valeur County FIPS (Code FIPS du comté) du comté de Lucas est 39095. Vous allez utiliser cette information afin de créer un ensemble de définition pour la couche de sorte que celle-ci n’affiche que les données du comté de Lucas.
- Fermez la table.
- Dans la fenêtre Contents (Contenu), double-cliquez sur la couche Tracts (Secteurs). Dans la fenêtre Layer Properties (Propriétés de la couche), cliquez sur Definition Query (Ensemble de définition).
- Cliquez sur New definition query (Nouvel ensemble de définition) et créez l’expression Where County FIPS is equal to 39095 (Là où la valeur Code FIPS du comté est égale à 39095). Cliquez sur Apply (Appliquer), puis sur OK.
- Sur le ruban, dans l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Clear (Effacer) .
La couche Tracts (Secteurs) affiche à présent le comté de Lucas.
Les étapes restantes de la fenêtre Tasks (Tâches) sont liées à la synthèse et au calcul des données et du taux d’actifs, de conditions ou de résultats. Puisque les données de résultats qui vous intéressent sont déjà fournies par le CDC en tant que taux dans la couche, il ne sera pas nécessaire d’effectuer les étapes restantes. Toutefois, comme les données du CDC sont fournies au niveau des secteurs, vous allez utiliser l’outil Spatial Join (Jointure spatiale) pour appliquer aux données de niveau de groupe d’îlots plus petit les valeurs du taux de prévalence de l’asthme issues des données au niveau des secteurs.
- En haut de la fenêtre Task (Tâche), cliquez sur le bouton Retour. Dans la fenêtre Tasks (Tâches) qui apparaît, cliquez sur Yes (Oui).
- Dans la barre d’outils Quick Access (Accès rapide), cliquez sur Save (Enregistrer) pour enregistrer le projet.
Utiliser la jointure spatiale
Maintenant que vous avez ajouté et filtré les données de résultats de santé dans votre projet, vous allez utiliser l’outil Spatial Join (Jointure spatiale) pour ajouter le champ de prévalence de l’asthme de la couche Tracts (Secteurs) à la couche LucasCounty_Enrich.
- Cliquez sur l’onglet Contents (Contenu) pour afficher la fenêtre Contents (Contenu).
- Cliquez avec le bouton droit sur la couche Tracts (Secteurs), pointez sur Data Design (Conception de données) et sélectionnez Fields (Champs).
La vue Fields (Champs) apparaît pour la couche Tracts (Secteurs).
La couche contient des champs pour divers résultats de santé signalés par le CDC, mais vous ne vous intéressez qu’aux données liées à l’asthme. Si vous spécifiez le champ qui doit être visible, vous trouverez plus facilement le champ vous intéressant lorsqu’il sera nécessaire de définir les paramètres d’outil pour le reste du processus.
- En haut de la vue des champs, décochez la case Visible.
Tous les champs sont décochés.
Vous allez ensuite localiser les données liées à la prévalence de l’asthme et en faire le seul champ visible dans la couche.
- Localisez le champ Current asthma crude prevalence (%) (Prévalence brute d’asthme actuelle (%)) et cochez la case Visible du champ.
- Sur le ruban, dans l’onglet Fields (Champs), dans le groupe Changes (Modifications), cliquez sur Save (Enregistrer) et fermez la vue Fields (Champs).
Vous allez ensuite exécuter l’outil Spatial Join (Jointure spatiale) pour créer une nouvelle couche incluant les données de prévalence de l’asthme et les données démographiques LucasCounty_Enrich.
- Dans la fenêtre Geoprocessing (Géotraitement), cliquez sur la flèche de retour.
- Dans la barre de recherche, saisissez spatial join (jointure spatiale) et, dans la liste des résultats, sélectionnez Spatial Join (Jointure spatiale).
- Dans la fenêtre de l’outil Spatial Join (Jointure spatiale), définissez les paramètres suivants :
- Pour Target Features (Entités cible), sélectionnez LucasCounty_Enrich.
- Pour Join Features (Entités jointes), choisissez Tracts (Secteurs).
- Pour Output Feature Class (Classe d’entités en sortie), saisissez LucasCounty_Enrich_AsthmaP.
- Pour Join Operation (Opération de jointure), sélectionnez Join one to many (Joindre un vers plusieurs).
- Pour Match Option (Option de correspondance), choisissez Have their center in (Ont leur centre dans).
Vous joignez la couche Tracts (Secteurs), qui consiste en données au niveau des secteurs de recensement, à la couche LucasCounty_Enrich, qui contient des données au niveau du groupe d’îlots de recensement. Les groupes d’îlots sont plus petits que le niveau de secteur. En choisissant Join one to many (Joindre un vers plusieurs) pour Join Operation (Opération de jointure) et Have their center in (Ont leur centre dans) pour Match Option (Option de correspondance), vous attribuez les valeurs au niveau du secteur à appliquer à tous les groupes d’îlots dans le secteur.
- Cliquez sur Run (Exécuter).
La couche LucasCounty_Enrich_AsthmaP est ajoutée à votre carte et à la fenêtre Contents (Contenu).
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche LucasCounty_Enrich_AsthmaP et sélectionnez Attribute Table (Table attributaire). Explorez les champs de la couche.
Les indicateurs sociaux et démographiques et les données de prévalence de l’asthme figurent maintenant dans la même couche avec les groupes d’îlots.
- Fermez la table et enregistrez le projet.
Vous avez déployé la solution Social Equity Analysis (Analyse d’égalité sociale) et utilisé les étapes guidées pour évaluer les conditions de la communauté et les actions présentant un intérêt. Vous avez ajouté des données de caractéristiques sociales et des données de résultats de santé pour la prévalence de l’asthme. Vous allez ensuite continuer à utiliser la solution Social Equity Analysis (Analyse d’égalité sociale) pour créer des cartes d’analyse et d’indice.
Créer un indice d’égalité composite
À présent que toutes les données sont prêtes, il est temps de créer des cartes pour comprendre ce que les données peuvent vous apprendre sur la répartition des résultats socio-économiques et de santé au sein de la communauté.
Remarque :
Dans ce didacticiel, les variables de race et d’origine ethnique ne sont pas prises en compte pour créer l’indice. En effet, nous allons ventiler les résultats de l’indice par race et origine ethnique ultérieurement dans le didacticiel, afin de mieux comprendre la disparité des expériences et les besoins de chaque groupe. Chaque indice doit être propre à la juridiction et destiné à un cas d’utilisation particulier. Ainsi, il peut arriver que l’inclusion de catégories de race et d’origine ethnique soit importante lors de cette étape de création de l’indice.
L’aspect le plus important du processus Égalité raciale consiste à impliquer les communautés. Il est vital qu’une analyse SIG sur l’égalité sociale implique et intègre de manière significative les membres de la communauté que l’analyse vise à servir. Au début du scénario de ce didacticiel, l’organisation a déjà commencé à impliquer les communautés pour identifier les indicateurs de résultats socio-économiques et de santé que vous avez utilisés, afin d’enrichir le groupe de couches d’îlots.
Vous allez ensuite visualiser les caractéristiques de la communauté, partager la carte résultante avec la communauté et demander un feedback. Une fois que vous avez impliqué les communautés cible et recueilli des commentaires, vous devrez peut-être procéder à des révisions pour vous assurer que les données que vous utilisez correspondent à l’expérience locale et reflètent le plus précisément les besoins des communautés.
Identifier les caractéristiques des communautés
Vous allez créer une carte avec une couche d’entités et des sorties de diagramme pour afficher la répartition des six indicateurs que vous avez spécifiés précédemment dans le didacticiel. La solution Social Equity Analysis (Analyse de l’égalité sociale) utilise l’outil Calculate Composite Index (Calculer un indice composite) pour exécuter ce calcul.
Un indice est un nombre qui mesure un sujet d’intérêt, souvent difficile à évaluer ou à définir directement, comme la vulnérabilité sociale ou l’innovation des entreprises. L’outil Calculate Composite Index (Calculer un indice composite) crée un indice en combinant plusieurs variables pour obtenir une variable unique. L’outil suit un processus à trois étapes pour prétraiter les variables, combiner les variables et post-traiter l’indice.
Remarque :
Reportez-vous à la rubrique Outil Calculate Composite Index (Calculer un indice composite) pour en savoir plus sur l’outil Calculate Composite Index (Calculer un indice composite). Consultez la série de didacticiels Créer un indice composite avec ArcGIS Pro pour plus d’articles, des conseils, des vidéos et des didacticiels relatifs à l’utilisation de l’outil.
- Dans la fenêtre Tasks (Tâches), cliquez sur la flèche de retour. Dans la fenêtre Tasks (Tâches), cliquez sur Yes (Oui).
- Dans la fenêtre Tasks (Tâches), développez Create a Composite Index (Créer un indice composite), puis double-cliquez sur Create a community characteristics index (Créer un indice des caractéristiques d’une communauté).
La fenêtre de l’outil Calculate Composite Index (Calculer un indice composite) s’affiche.
- Dans la fenêtre de l’outil Calculate Composite Index (Calculer un indice composite), pour Input Table (Table en entrée), sélectionnez LucasCounty_Enrich_AsthmaP. Pour Output Features or Table (Table ou entités en sortie), saisissez IndiceAsthmeInfantile.
- En regard de Input Variables (Variables en entrée), cliquez sur le bouton Add Many (Ajouter plusieurs).
- Cochez les attributs suivants et cliquez sur Add (Ajouter) :
- 2023 Child Population: Percent (Population infantile 2023 : Pourcentage)
- 2021 HHs: Inc Below Poverty Level (ACS 5-Yr): Percent (Ménages 2021 : rev. sous le seuil de pauvreté (ACS 5 ans) : Pourcentage)
- 2021 Pop <19: No Health Insurance (ACS 5-Yr): Percent (Pop 2021 < 19 : sans assurance maladie (ACS 5 ans) : Pourcentage)
- 2023 Pop Age 25+: High School/No Diploma: Percent (Population +25 ans 2023 : Lycée/Non diplômé : Pourcentage)
- 2021 HHs w/No Internet Access (ACS 5-Yr): Percent (Ménages sans accès Internet 2021 (ACS 5 ans) : Pourcentage)
- Current asthma crude prevalence (%) (Prévalence brute d’asthme actuelle [%])
Les six variables apparaissent dans la fenêtre de l’outil Calculate Composite Index (Calculer un indice composite).
Vous allez maintenant choisir les paramètres de prétraitement et de combinaison des indicateurs. Vous pouvez utiliser le paramètre Preset Method to Scale and Combine Variables (Méthode prédéfinie pour mettre à l’échelle et combiner des variables) afin de choisir des méthodes courantes de mise à l’échelle et de combinaison des indicateurs. Vous pouvez également sélectionner manuellement une option Method to Scale Input Variables (Méthode de mise à l’échelle des variables en entrée) et une option Method to Combine Scaled Variables (Méthode de combinaison des variables mises à l’échelle).
Remarque :
Pour en savoir plus sur les méthodes de mise à l’échelle et de combinaison des variables, consultez la rubrique Fonctionnement de l’outil Calculer un indice composite.
Pour le moment, vous allez conserver la sélection par défaut, qui consiste à combiner les valeurs en fonction de la moyenne des valeurs mises à l’échelle en utilisant la méthode Minimum-maximum de mise à l’échelle.
- Développez Output Settings (Paramètres en sortie). Pour Output Index Name (Nom de l’indice en sortie), saisissez IndiceAsthmeInfantile.
- Sous Output Index Minimum and Maximum Values (Valeurs minimale et maximale de l’indice en sortie), pour Minimum, entrez 0. Pour Maximum, saisissez 100.
- Sous Additional Classified Outputs (Sorties classées supplémentaires), cochez les cases Equal interval (Intervalle égal), Quantile et Standard deviation (Écart type). Pour Output Index Number of Classes (Nombre de classes de l’indice en sortie), saisissez 10.
Définissez la plage Output Index Minimum and Maximum Values (Valeurs minimale et maximale de l’indice en sortie) entre 0 et 100 pour que le score d’indice obtenu soit compréhensible rapidement.
Vous avez terminé de définir les paramètres de prétraitement, de combinaison et de post-traitement dans l’outil Calculate Composite Index (Calculer un indice composite).
- Cliquez sur Run (Exécuter).
La carte de l’indice composite résultante s’affiche.
- Dans la fenêtre Tâches, cliquez sur Etape suivante.
La page Interpret results (Interpréter les résultats) s’affiche.
Il est important d’explorer la carte et les diagrammes résultants pour visualiser la répartition de l’indice, de déterminer si les étapes de prétraitement ont généré le résultat escompté et de passer en revue les corrélations entre les variables en entrée et l’indice. Autres questions à prendre en compte :
- L’indice résultant répond-il à la question et respecte-t-il les dimensions ?
- Dans quelle mesure les variables en entrée affectent-elles l’indice en sortie ?
- Toutes les variables en entrée sont-elles obligatoires ou certaines peuvent-elles être supprimées ?
- L’indice en sortie pondère-t-il intentionnellement une dimension ou variable spécifique ?
- L’unité spatiale est-elle adaptée en fonction des variables en sortie ?
Remarque :
Consultez le document technique Creating Composite Indices Using ArcGIS: Best Practices (PDF) pour plus de conseils, astuces et bonnes pratiques.
- Au bas de la fenêtre Tasks (Tâches), cliquez sur Contents (Contenu).
Dans la fenêtre Contents (Contenu), le groupe de couches ChildAsthmaIndex Layers (Couches IndiceAsthmeInfantile) contient la couche ChildAsthmaIndex (IndiceAsthmeInfantile) ainsi que d’autres sorties supplémentaires que vous avez sélectionnées dans l’outil Calculate Composite Index (Calculer un indice composite). La couche ChildAsthmaIndex (IndiceAsthmeInfantile) inclut également des diagrammes automatiquement créés par l’outil.
- Pour la couche ChildAsthmaIndex (IndiceAsthmeInfantile), double-cliquez sur le diagramme Relationships of Scaled Variables and Index (Relations entre les variables mises à l’échelle et l’indice).
Le diagramme apparaît.
La ligne la plus importante à examiner est celle du bas. Le diagramme vous présente la corrélation entre les valeurs ChildAsthmaIndex (IndiceAsthmeInfantile) et chacune des variables. Les résultats indiquent qu’aucune d’elles n’est trop fortement corrélée à 0,90 ou plus. Aucune d’elles n’est trop faible (0,10 ou moins) ou n’a une valeur négative. Cela signifie qu’il est peu probable que l’indice contienne une pondération non intentionnelle ou une variable impaire.
Vous pouvez également utiliser ce diagramme pour évaluer la corrélation entre les variables utilisées pour créer l’indice composite. Pour évaluer la corrélation entre les variables, vous voulez principalement vous assurer qu’aucune d’elles ne comporte de valeurs de corrélation élevées. Dans cet exemple, les variables ne sont pas supérieures à 0,53, ce qui signifie qu’elles ne sont pas trop corrélées entre elles.
- Fermez le diagramme.
- Dans la fenêtre Contents (Contenu), décochez la couche ChildAsthmaIndex (IndiceAsthmeInfantile) et cochez la couche ChildAsthmaIndex - Quantile Classes (IndiceAsthmeInfantile - Classes de quantile).
La couche ChildAsthmaIndex - Quantile Classes (IndiceAsthmeInfantile - Classes de quantile) est maintenant visible sur la carte.
Cette carte affiche les groupes d’îlots divisés en 10 groupes égaux par la valeur de score de leur indice composite. Les groupes d’îlots dans Class 10 (Classe 10) sont les groupes d’îlots dans le 10e centile des groupes d’îlots avec le score d’indice le plus élevé, ce qui signifie qu’ils doivent être prioritaires pour les programmes d’intervention.
- Dans la fenêtre Contents (Contenu), désactivez la couche ChildAsthmaIndex - Quantile Classes (IndiceAsthmeInfantile - Classes de quantile) et activez la couche ChildAsthmaIndex - Standard Deviation Classes (IndiceAsthmeInfantile - Classes d’écart type).
La couche ChildAsthmaIndex - Standard Deviation Classes (IndiceAsthmeInfantile - Classes d’écart type) est maintenant visible sur la carte.
Cette couche calcule le nombre d’écarts types supérieurs ou inférieurs à la moyenne des groupes d’îlots où se trouve un score d’indice. Cette carte peut vous aider à interpréter quelles zones sont plus soumises aux impacts des variables d’indice composite. Les couches de quantile et d’écart type indiquent différentes méthodes de hiérarchisation.
- Explorez seul les autres couches d’indice en sortie.
- Une fois que vous avez terminé, revenez à la fenêtre Tasks (Tâches) et cliquez sur Next step (Étape suivante).
La page Load output index into hosted feature layer (Charger l’indice en sortie dans la couche d’entités hébergée) apparaît. Cette étape n’étant pas nécessaire pour l’instant, cliquez sur Finish (Terminer) pour fermer la tâche.
- Cliquez sur Finish (Terminer).
- Appuyez sur Ctrl+S pour enregistrer le projet.
Partager la carte d’index de communauté
Il est important de partager les données résultantes de caractéristiques des communautés avec les parties prenantes dans la communauté pour vérifier et s’assurer que ces données représentent avec précision la communauté et identifier les ajustements à effectuer afin que la carte reflète davantage la communauté. Vous allez partager la carte sous forme de carte Web.
- Sur le ruban, cliquez sur l’onglet Share (Partager). Dans le groupe Share As (Partager en tant que), cliquez sur Web Map (Carte web).
La fenêtre Partager en tant que couche Web apparaît.
- Dans la fenêtre Share As Web Layer (Partager en tant que couche Web), saisissez une phrase descriptive pour Summary (Résumé) et, pour Tags (Balises), saisissez quelques mots pertinents, en appuyant sur Entrée après chaque couche.
- Sous Share with (Partager avec), cochez la case Everyone (Tout le monde).
- Cliquez sur Analyser.
Une erreur apparaît, indiquant que la couche doit autoriser les identifiants numériques uniques pour pouvoir être partagée en tant que couche Web.
- Double-cliquez sur l’erreur.
La fenêtre Map Properties (Propriétés de la carte) s’ouvre.
- Dans la fenêtre Map Properties (Propriétés de la carte), cochez la case Allow assignment of unique numeric IDs for sharing web layers (Autoriser l’attribution d’ID numériques uniques pour le partage de couches Web) et cliquez sur OK.
- Dans la fenêtre Share As Web Layer (Partager en tant que couche Web), cliquez sur Analyze (Analyser).
Il n’y a plus d’erreurs.
- Cliquez sur Publish (Publier).
La couche est publiée en tant que couche Web.
- Cliquez sur Manage the web layer (Gérer la couche Web).
La page des éléments de la couche d’index des caractéristiques des communautés apparaît dans votre navigateur.
- Cliquez sur Open in Map Viewer (Ouvrir dans Map Viewer).
La couche s’ouvre dans Map Viewer. Dans Map Viewer, vous pouvez choisir quels indicateurs afficher sur votre carte et partager la carte en tant que lien afin que les membres de la communauté puissent examiner les données.
En plus de partager la carte affichant les résultats ChildAsthmaIndex (IndiceAsthmeInfantile), envisagez de créer des cartes qui affichent des indicateurs clés (par exemple, le pourcentage de population par race et origine ethnique, par accès Internet ou par niveau de pauvreté).
Voici quelques questions que vous pouvez envisager de poser à la communauté :
- La distribution de cet indicateur s’aligne-t-elle sur votre expérience dans la communauté ou dans votre quartier de la ville ?
- Y a-t-il des zones auxquelles les résultats de la couche ChildAsthmaIndex (IndiceAsthmeInfantile) n’ont pas donné priorité et qui vous surprennent, en fonction de votre expérience et de vos connaissances sur la ville ?
- Y a-t-il d’autres indicateurs à ajouter pour mieux refléter les zones auxquelles il faut accorder la priorité ?
Le processus d’implication de la communauté consiste en un dialogue. Avoir ces discussions et développer des solutions peut nécessiter plusieurs itérations. Mais il s’agit d’une démarche précieuse car elle garantit que l’analyse reflète des expériences vécues que les données ne peuvent pas nécessairement capturer. Des résultats plus précis permettent d’identifier des solutions plus précises.
Remarque :
Pour en savoir plus sur l’utilisation de Map Viewer, vous pouvez découvrir les didacticiels ArcGIS Faire une carte de la Chine et Créer une carte stratégique pour gérer les problèmes de santé.
La carte a été partagée lors d’une assemblée publique pendant laquelle les cartes et la méthodologie d’analyse ont été présentées. Les parties prenantes (par exemple, les parents d’élèves des écoles locales, les médecins des cliniques locales, les groupes de quartier et une commission de santé publique nommée par la communauté) ont examiné la carte et donné leur avis. Vous allez ensuite intégrer ce que vous avez appris à partir de ces avis et ajuster votre carte pour représenter plus précisément la communauté.
Ajuster les données des caractéristiques de votre communauté
Après avoir partagé votre carte avec la communauté, les résidents ont partagé une autre expérience ayant peut-être été ignorée sur la carte des caractéristiques de la communauté. Il a été identifié qu’une autre charge cumulée à laquelle les familles font face est le manque d’accès à la propriété foncière et à des transports accessibles, largement à cause d’obstacles systémiques tels que les politiques économiques et de logement. Les résidents ont indiqué qu’il serait bénéfique d’accorder un intérêt et une priorité aux personnes qui louent leur logement et ne disposent pas d’un véhicule. Ces personnes sont particulièrement vulnérables à la pollution et à la circulation en raison du temps prolongé qu’elles passent à marcher et à utiliser les transports publics pour se rendre à l’école. Cela est particulièrement important pour les personnes vivant à proximité du centre-ville, où l’on trouve un pourcentage plus élevé de locataires ne possédant pas de véhicule.
Vous allez utiliser ce que vous avez appris pour inclure un indicateur supplémentaire et créer une carte d’index des caractéristiques de la communauté mise à jour.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Géotraitement, cliquez sur Historique.
La fenêtre History (Historique) affiche tous les outils de géotraitement que vous avez déjà exécutés.
- Dans la fenêtre History (Historique), double-cliquez sur Enrich with Demographic Data (Enrichir de données démographiques).
La fenêtre de l’outil Enrich with Demographic Data (Enrichir de données démographiques) s’ouvre ; elle contient les paramètres que vous avez saisis précédemment dans le didacticiel.
La couche LucasCounty_Enrich_AsthmaP contient déjà les autres indicateurs démographiques que vous avez ajoutés précédemment dans le didacticiel, ainsi que les données de résultats de santé. Vous allez ajouter un autre indicateur à cette couche à l’aide de l’outil Enrich with Demographic Data (Enrichir de données démographiques).
- Dans la fenêtre de l’outil Enrich with Demographic Data (Enrichir de données démographiques), pour Input Features (Entités en entrée), sélectionnez LucasCounty_Enrich_AsthmaP. Pour Output Features (Entités en sortie), saisissez LucasCounty_Enrich2.
- Sous la liste des variables, cliquez sur Remove all (Tout supprimer).
- En regard de Variables, cliquez sur le bouton d’ajout.
La fenêtre Data Browser (Navigateur de données) s’ouvre.
- Dans la barre de recherche, saisissez véhicules de locataire et appuyez sur Entrée.
Une liste de variables associées apparaît.
- Pour la variable 2021 Renter HHs by Vehicles Avail: 0 (ACS 5-Yr) (Ménages locataires par véhicule disponible 2021 : 0 (ACS 5 ans)), cliquez sur le bouton number (nombre) pour le désélectionner et sur le bouton percent (pourcentage) pour le sélectionner, puis cochez la case de la variable.
![Symbole de pourcentage sélectionné, nombre désélectionné et variable 2021 Renter HHs by Vehicles Avail: 0 (ACS 5-Yr) (Ménages locataires par véhicule disponible 2021 : 0 [ACS 5 ans]) cochée](GUID-62D8DBD9-A5B1-4729-82AA-0B3C8751876D-web.png "Symbole de pourcentage sélectionné, nombre désélectionné et variable 2021 Renter HHs by Vehicles Avail: 0 (ACS 5-Yr) (Ménages locataires par véhicule disponible 2021 : 0 [ACS 5 ans]) cochée")
- Cliquez sur OK.
- Dans la fenêtre de l’outil Add Demographic Data (Ajouter des données démographiques), cliquez sur Run (Exécuter).
Remarque :
Puisque vous utilisez de nouveau l’outil Enrich (Enrichir ), ce processus nécessitera des crédits. L’ajout de cet indicateur unique nécessite 4,79 crédits. Si vous ne disposez pas de crédits suffisants pour effectuer cette étape, vous pouvez utiliser une couche enrichie fournie afin de poursuivre le didacticiel.
Pour ajouter cette couche, sur le ruban, sous l’onglet Map (Carte), dans le groupe Layer (Couche), cliquez sur Add Data (Ajouter des données). Sous Portal (Portail), cliquez sur ArcGIS Online puis, dans la barre de recherche, saisissez LucasCounty_Enrich2 owner: Learn_ArcGIS et appuyez sur Entrée. Ajoutez la couche LucasCounty_Enrich2_Learn_2024. Ignorez cette étape pour continuer le didacticiel.
La couche LucasCounty_Enrich2 est ajoutée à votre carte et à la fenêtre Contents (Contenus). Elle contient à présent tous les indicateurs identifiés par la communauté à inclure dans la carte des caractéristiques de la communauté.
- Dans la fenêtre History (Historique), double-cliquez sur Calculate Composite Index (Calculer un indice composite).
- Dans la fenêtre de l’outil Calculate Composite Index (Calculer un indice composite), mettez à jour les informations suivantes :
- Pour Input Table (Table en entrée), sélectionnez LucasCounty_Enrich2.
- Pour Output Features or Table (Table ou entités en sortie), saisissez IndiceAsthmeInfantile2.
- Au bas de la liste Input Variables (Variables en entrée), ajoutez 2021 Renter HHs by Vehicles Avail: 0 (ACS 5-Yr): Percent (Ménages locataires par véhicule disponible 2021 : 0 [ACS 5 ans]).
- Sous Output Settings (Paramètres en sortie), pour Output Index Name (Nom de l’indice en sortie), saisissez IndiceAsthmeInfantile2.
- Cliquez sur Run (Exécuter).
La couche ChildAsthmaIndex2 (IndiceAsthmeInfantile2) est ajoutée à votre carte et à la fenêtre Contents (Contenu).
Dans la fenêtre Contents (Contenu), vous constatez que les légendes des couches ChildAsthmaIndex (IndiceAsthmeInfantile) et ChildAsthmaIndex2 (IndiceAsthmeInfantile2) sont les mêmes. La différence entre elles réside dans le fait que la couche ChildAsthmaIndex2 (IndiceAsthmeInfantile2) comprend des calculs pour un autre indicateur, le pourcentage de résidents qui sont des locataires ne possédant pas de véhicule.
Vous allez maintenant comparer la couche ChildAsthmaIndex (IndiceAsthmeInfantile) à la couche mise à jour que vous venez de créer.
- Sous le groupe de couches ChildAsthmaIndex2 Layers (Couches IndiceAsthmeInfantile2), appuyez sur la touche Ctrl et réduisez la couche ChildAsthmaIndex2 (IndiceAsthmeInfantile2).
Toutes les couches du groupe de couches sont réduites.
- Sous le groupe de couches ChildAsthmaIndex Layers (Couches IndiceAsthmeInfantile), appuyez sur la touche Ctrl et réduisez la couche ChildAsthmaIndex (IndiceAsthmeInfantile) ainsi que toutes les autres couches du groupe de couches. Vérifiez que les deux seules couches cochées sont ChildAsthmaIndex (IndiceAsthmeInfantile) et ChildAsthmaIndex2 (IndiceAsthmeInfantile2). Cliquez sur la couche ChildAsthmaIndex2 (IndiceAsthmeInfantile2) pour la sélectionner.
Les couches situées dans les deux groupes de couches sont maintenant réduites, ce qui facilite l’utilisation de l’outil Swipe (Balayer) pour comparer les deux résultats.
- Sur le ruban, cliquez sur l’onglet Feature Layer (Couche d’entités). Dans le groupe Compare (Comparer), cliquez sur Swipe (Balayer).
- Sur la carte, cliquez et faites glisser le curseur en travers de la carte pour comparer les couches ChildAsthmaIndex2 (IndiceAsthmeInfantile2) et ChildAsthmaIndex (IndiceAsthmeInfantile).
La couche ChildAsthmaIndex2 (IndiceAsthmeInfantile2) mise à jour mettait davantage en avant quelques groupes d’îlots. Il s’agissait probablement de zones présentant une proportion plus élevée de résidents risquant en plus de passer plus de temps à l’extérieur, exposés à des polluants de l’air, car ces zones comptaient plus de locataires sans véhicule.
- Sur le ruban, cliquez sur l’onglet Map (Carte). Dans le groupe Navigate (Naviguer), cliquez sur Explore (Explorer) pour désactiver l’outil Swipe (Balayer).
- Utilisez ce que vous avez appris pour partager la couche en tant que carte web et partager la carte résultante avec les membres et les parties prenantes de la communauté.
- Enregistrez votre projet.
Parce que vous avez pris la mesure importante consistant à impliquer la communauté dans la première ébauche de la carte d’indice composite, vous avez été en mesure d’intégrer un indicateur important et localement pertinent à votre analyse. Vous avez ajouté l’indicateur à votre analyse et créé une carte qui correspond mieux aux expériences vécues et aux besoins de la communauté.
Vous allez ensuite ventiler les résultats de l’indice par race et origine ethnique, puis établir quelles écoles du comté se trouvent au meilleur emplacement afin d’exécuter le programme d’éducation dans la santé publique.
Évaluer l’indice d’égalité et proposer des emplacements de programme
Lors de la création d’un indice composite, il est important d’évaluer l’indice afin de mieux comprendre son impact sur les différentes sous-populations de votre zone de projet cible. Dans cette section, vous allez également utiliser l’analyse de réseaux pour déterminer laquelle des cinq écoles publiques est la mieux située pour atteindre les groupes d’îlots ayant les scores d’indice avec la priorité la plus élevée.
Ventiler les données démographiques
Les données ventilées sont des données qui ont été classées par sous-catégories, comme les groupes de race et d’origine ethnique, le sexe, la langue, etc. La ventilation des données peut mettre en lumière les avantages et charges de chaque sous-catégorie, qui ne sont pas toujours évidents à appréhender dans les données agrégées. Dans ce didacticiel, vous avez créé un indice d’égalité qui a pris en compte plusieurs données de résultats de santé et socio-économiques. Dans cette section, vous allez ventiler les valeurs moyennes du score d’indice par race et origine ethnique afin de déterminer quels groupes sont confrontés à une charge anormalement élevée d’indicateurs d’asthme infantile.
- Dans la fenêtre Tasks (Tâches), cliquez sur la flèche de retour. Cliquez sur Yes (Oui) pour continuer.
- Développez le dossier Optional: Disaggregate and Visualize Demographic Data (Facultatif : ventiler et visualiser les données démographiques) et double-cliquez sur Disaggregate and visualize demographic data (Ventiler et visualiser les données démographiques).
- Cliquez sur Next Step (Étape suivante).
- Dans la fenêtre Enrich with Disaggregated Demographic Data (Enrichir de données démographiques ventilées), pour Input Features (Entités en entrée), sélectionnez ChildAsthmaIndex2 - Quantile Classes (IndiceAsthmeInfantile2 - Classes de quantile). Pour Output Features (Entités en sortie), saisissez IndiceAsthmeInfantile_Ventilé.
- Sous Variables, pour toutes les variables préchargées, à l’exception de2023 Hispanic Pop (Population hispanique 2023), cliquez sur le bouton Remove (Supprimer).
La seule variable qui reste dans la fenêtre de l’outil Enrich with Disaggregated Demographic Data (Enrichir de données démographiques ventilées) est 2023 Hispanic Population (Population hispanique 2023).
- En regard de Variables, cliquez sur le bouton d’ajout.
La fenêtre Data Browser (Navigateur de données) s’ouvre.
- Dans la fenêtre Data Browser (Navigateur de données), double-cliquez sur Race.
- Double-cliquez sur Non-Hispanic Origin (Origine non hispanique).
- Développez 2023 Race and Hispanic Origin (Esri) (Race et origine hispanique 2023 [Esri]).
- Pour les variables suivantes, cliquez sur le bouton de pourcentage pour le sélectionner, désélectionnez le bouton de nombre et cochez la variable :
- 2023 Non-Hispanic White Pop (Population blanche non hispanique 2023)
- 2023 Non-Hispanic Black Pop (Population noire non hispanique 2023)
- 2023 Non-Hispanic American Indian Pop (Population amérindienne et native de l’Alaska non hispanique 2023)
- 2023 Non-Hispanic Asian Pop (Population asiatique non hispanique 2023)
- 2023 Non-Hispanic Pacific Islander Pop (Population des natifs des îles du Pacifique non hispanique 2023)
- 2023 Non-Hispanic Other Race Pop (Population d’autre race non hispanique 2023)
- 2023 Non-Hispanic Multiple Races Pop (Population de races multiples non hispanique 2023)
![Variables de race cochées et pourcentage sélectionné sous 2023 Race and Hispanic Origin (Esri) (Race et origine hispanique 2023 [Esri])](GUID-37DA6AC3-CD32-4025-B05B-D2B2345E6CDA-web.png "Variables de race cochées et pourcentage sélectionné sous 2023 Race and Hispanic Origin (Esri) (Race et origine hispanique 2023 [Esri])")
Les sept variables de pourcentage sont ajoutées à la liste des variables sélectionnées, portant ainsi le total à huit variables sélectionnées.
Remarque :
Aux États-Unis, le Bureau du recensement collecte les données démographiques de plusieurs catégories raciales et distingue encore les catégories en fonction de l’origine ethnique hispanique. Même si ces catégories sont limitées pour prendre toute la mesure de la diversité et de la complexité des groupes de personnes, expériences et cultures, elles demeurent une source de données fiable pour mieux comprendre la corrélation entre la race/l’origine ethnique et d’autres expériences de l’équité aux États-Unis.
- Cliquez sur OK.
- Dans la fenêtre de l’outil Enrich with Disaggregated Demographic Data (Enrichir de données démographiques ventilées), cliquez sur Run (Exécuter).
Remarque :
L’exécution de cet outil nécessite 38,32 crédits. Si vous ne disposez pas de suffisamment de crédits, vous pouvez utiliser une couche enrichie fournie afin de poursuivre le didacticiel.
Pour ajouter cette couche, sur le ruban, sous l’onglet Map (Carte), dans le groupe Layer (Couche), cliquez sur Add Data (Ajouter des données). Sous Portal (Portail), cliquez sur ArcGIS Online puis, dans la barre de recherche, saisissez ChildAsthmaIndex_Disaggregated_Learn owner: Learn_ArcGIS et appuyez sur Entrée. Ajoutez la couche ChildAsthmaIndex_Disaggregated_Learn. Ignorez cette étape pour continuer le didacticiel.
La couche ChildAsthmaIndex_Disaggregated est ajoutée au projet.
Elle est conçue avec 10 classes, la classe la plus élevée (Classe 10) représentant les groupes d’îlots de recensement avec le score d’indice composite le plus élevé ou les zones prioritaires pour la mise en place de programmes de prise en charge de l’asthme infantile.
Vous allez ensuite créer un diagramme pour visualiser quels groupes raciaux et ethniques sont les plus représentés dans les groupes d’îlots de recensement en fonction de leur score d’indice.
- Dans la fenêtre Tasks (Tâches), cliquez deux fois sur Next Step (Étape suivante).
- Cliquez sur Run (Exécuter).
- Dans la fenêtre Chart Properties (Propriétés du diagramme), pour Category or Date (Catégorie ou date), sélectionnez ChildAsthmaIndex2 - Mean (Quartile Classes) (IndiceAsthmeInfantile2 - Moyenne [Classes de quartile]). Pour Aggregation (Agrégation), choisissez Mean (Moyenne).
- Sous Numeric field(s) (Champs numériques), cliquez sur le bouton Select (Sélectionner).
- Cochez les huit variables de race et d’origine ethnique, puis cliquez sur Apply (Appliquer).
- Cliquez sur l’onglet General (Général) et saisissez les informations suivantes :
- Pour Chart title (Titre du diagramme), saisissez Scores d’indice moyens pour l’asthme infantile ventilés par race et origine ethnique.
- Dans X axis title (Titre de l’axe X), saisissez Scores d’indice pour l’asthme infantile par déciles.
- Dans Y axis title (Titre de l’axe Y), saisissez Pourcentage de groupe de race/d’origine ethnique.
Le diagramme est configuré.
Le diagramme montre que les groupes d’îlots avec les scores d’indice moyens les plus élevés, dans les classes 8 à 10, comportent proportionnellement plus de populations hispaniques et noires non hispaniques. Les groupes d’îlots avec les scores d’indice moyens les plus bas, dans les classes 1 à 4, comportent proportionnellement plus de populations blanches non hispaniques. Ce diagramme vous aide à mieux comprendre quels groupes raciaux et ethniques peuvent subir la plupart des charges de l’asthme infantile dans le comté de Lucas.
Utiliser des tâches de sélection de site équitable
Bien que les décisions politiques historiques soient une raison majeure pour laquelle certaines zones dans une communauté manquent de ressources et d’opportunités, chaque communauté dispose également d’actifs qu’elle peut exploiter pour rendre ses résidents plus forts. Dans ce scénario, les écoles publiques sont un actif clé en tant que lieu de rencontre où les parents et les élèves peuvent découvrir la protection et la gestion de la santé respiratoire.
- Dans la fenêtre Catalog (Catalogue), développez Tasks (Tâches) et double-cliquez sur Equitable Site Selection (Sélection de site équitable).
- Dans la fenêtre Tasks (Tâches), développez Identify Study Area, Create and Prepare Variables (Identifier la zone d’étude, créer et préparer des variables), puis double-cliquez sur Identify study area and enrich with demographic variables (Identifier la zone d’étude et enrichir de variables démographiques).
La fenêtre Add study area to map (Ajouter une zone d’étude à la carte) s’affiche. Vous avez déjà défini votre zone d’étude et votre carte a déjà appliqué un zoom dessus. Vous allez donc ignorer cette étape et la suivante.
- Fermez la fenêtre Add Data (Ajouter des données) qui s’affiche. Dans la fenêtre Tasks (Tâches), cliquez deux fois sur Skip (Ignorer).
La fenêtre de l’outil Enrich with Demographics Data (Enrichir de données démographiques) apparaît.
Pour exécuter l’outil Solve Location Allocation with Index (Résoudre emplacement-allocation avec indice) ultérieurement dans le didacticiel, vous devez ajouter la variable 2023 Total Population (Population totale 2023).
- Dans la fenêtre de l’outil Enrich with Demographics Data (Enrichir de données démographiques), saisissez les informations suivantes :
- Pour Input Features (Entités en entrée), sélectionnez ChildAsthmaIndex2 - Quantile Classes (IndiceAsthmeInfantile2 - Classes de quantile).
- Pour Output Features (Entités en sortie), saisissez Priority_Schools_Selection.
- Sous Variables, supprimez toutes les variables, à l’exception de 2023 Total Population (Population totale 2023).
- Cliquez sur Run (Exécuter).
Remarque :
L’exécution de cet outil nécessite 4,79 crédits.
La couche Priority_Schools_Selection s’ajoute à la fenêtre Contents (Contenu) et à la carte.
- Dans la fenêtre Tâches, cliquez sur Terminer.
Vous allez ensuite utiliser les étapes suivantes de la fenêtre Tasks (Tâches) pour créer une couche d’actifs affichant l’emplacement des écoles publiques dans le comté de Lucas.
- Dans la fenêtre Tasks (Tâches), développez Identify Study Area, Create and Prepare Variables (Identifier la zone d’étude, créer et préparer des variables), puis double-cliquez sur Create and prepare additional variables (Créer et préparer des variables supplémentaires).
La fenêtre Geocode Addresses (Géocoder des adresses) apparaît.
L’étape suivante consiste à importer les données d’actifs, de conditions ou de résultats. Vous allez importer les données d’actifs, qui sont les écoles publiques où auront lieu les ateliers pédagogiques sur la santé.
- Téléchargez le fichier LucasCounty _Schools_List_data.csv et enregistrez-le dans un dossier facilement accessible.
Le fichier .csv contient des informations sur les écoles publiques situées dans les deux circonscriptions scolaires du comté de Lucas.
Remarque :
Les données ont été acquises via l’outil en ligne Ohio Educational Directory System pour les informations de répertoire d’écoles et de circonscriptions sur le site web du Département de l’éduction de l’Ohio.
- Dans la fenêtre Geocode Addresses (Géocoder des adresses), pour Input Table (Table en entrée), cliquez sur le bouton de navigation.
- Dans la fenêtre Input Table (Table en entrée) qui apparaît, accédez au dossier dans lequel vous avez enregistré le fichier .csv et cliquez sur LucasCounty_Schools_List_data.csv puis sur OK.
- Pour Input Address Locator (Localisateur d’adresses en entrée), cliquez sur la flèche et choisissez ArcGIS World Geocoding Service (Service de géocodage mondial d’ArcGIS).
Remarque :
Le géocodage consomme des crédits. Cette étape nécessite 4,28 crédits.
- Définissez les paramètres suivants :
- Pour Output Feature Class (Classe d’entités en sortie), saisissez LucasCounty_Schools.
- Pour Country (Pays), cochez United States (États-Unis).
- Pour Category (Catégorie), cochez Address (Adresse).
- Cliquez sur Run (Exécuter).
Remarque :
Si vous ne disposez pas de crédits suffisants pour effectuer cette étape, vous pouvez utiliser une couche géocodée fournie afin de poursuivre le didacticiel.
Pour ajouter cette couche, sur le ruban, sous l’onglet Map (Carte), dans le groupe Layer (Couche), cliquez sur Add Data (Ajouter des données). Sous Portal (Portail), cliquez sur ArcGIS Online puis, dans la barre de recherche, saisissez LucasCounty_Schools owner: Learn_ArcGIS et appuyez sur Entrée. Ajoutez la couche LucasCounty_Schools. Ignorez cette étape pour continuer le didacticiel.
La couche LucasCounty_Schools est ajoutée à votre carte.
Proposer des emplacements de programme avec des priorités d’égalité
Le comté de Lucas compte plus de 100 écoles. Comme votre organisation n’aura pas la capacité d’exécuter un programme dans chaque école, vous devrez établir quels emplacements d’écoles sont les plus stratégiques pour exécuter le programme tout en répondant aux objectifs d’équité et d’inclusion de votre organisation. Vous allez utiliser la solution Analyse d’égalité sociale pour évaluer les emplacements d’écoles et utiliser l’analyse spatiale pour localiser les écoles correspondant le mieux aux besoins de votre organisation.
- Dans la fenêtre Tasks (Tâches), cliquez sur la flèche de retour.
- Développez Evaluate Coverage and Perform Site Selection (Évaluer la couverture et effectuer la sélection de site) et double-cliquez sur Identify candidate sites (Identifier les sites candidats).
Puisque vous avez déjà ajouté les données des écoles, vous allez ignorer la première étape.
- Cliquez sur Next Step (Étape suivante).
La fenêtre Add Candidate Sites (Ajouter des sites candidats) apparaît. Vous allez utiliser cet outil pour ajouter les emplacements d’écoles en tant qu’emplacements de ressources candidats. Cela fera de toutes les écoles du comté des sites potentiels où exécuter le programme.
- Dans la fenêtre Add Candidate Sites (Ajouter des sites candidats), pour Candidate Sites (Sites candidats), sélectionnez LucasCounty_Schools.
- Cliquez sur Run (Exécuter).
- Si nécessaire, dans la fenêtre Contents (Contenu) , faites glisser le groupe SiteSelection vers le haut de la fenêtre Contents (Contenu).
Les symboles de drapeau orange sur la carte indiquent que les emplacements d’actifs candidats sont définis sur les emplacements d’écoles.
Pour ce didacticiel, vous allez uniquement prendre en compte les localisations des écoles. Mais il est important de prendre en compte d’autres actifs potentiels dans une communauté, tels que les parcs publics, les centres communautaires, les bibliothèques et autres espaces pouvant constituer un emplacement adapté à votre intervention. Envisagez de demander l’avis de la communauté par rapport aux actifs potentiels.
- Dans la fenêtre Tasks (Tâches), cliquez sur Next step (Étape suivante) et sur Finish (Terminer).
- Dans la fenêtre Tasks (Tâches), double-cliquez sur Perform site selection (Effectuer la sélection de site).
La fenêtre de l’outil Convert Equity Analysis Index to Demand Points (Convertir l’index d’analyse d’égalité en points de demande) apparaît.
Un point de demande est en général un emplacement qui représente les gens ou les choses qui nécessitent les biens et services fournis par vos ressources. Dans ce cas, il s’agit du groupe d’îlots de recensement où vivent les personnes. Vous allez utiliser cet outil pour convertir la couche de groupe d’îlots d’une couche d’entités surfaciques en une couche d’entités ponctuelles. Cela permettra à l’analyse de calculer le degré de proximité des emplacements d’écoles, ou emplacements d’actifs, par rapport au centre de chaque groupe d’îlots. Les points du centre du groupe d’îlots représenteront les points de demande qui doivent accéder aux emplacements d’actifs.
Avant de créer les points de demande, vous allez utiliser l’outil Select By Attributes (Sélectionner selon les attributs) afin de ne créer que des points de demande pour les groupes d’îlots situés dans les trois premières classes de quantile du score d’indice.
- Dans la fenêtre Contents (Contenu), désactivez le groupe de couches ChildAsthmaIndex2 Layers (Couches IndiceAsthmeInfantile2).
- Sur le ruban, sous l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Select By Attributes (Sélectionner selon les attributs).
- Dans la fenêtre Select By Attributes (Sélectionner selon les attributs), pour Input Rows (Lignes en entrée), sélectionnez Priority_Schools_Selection.
- Sous Expression, créez l’expression Where ChildAsthmaIndex2 - Mean (Quantile Classes) is greater than or equal to 8 (Où IndiceAsthmeInfantile2 - Moyenne [Classes de quantile] est supérieur ou égal à 8).
- Cliquez sur OK.
- Dans la fenêtre de l’outil Convert Equity Analysis Index to Demand Points (Convertir l’indice d’analyse d’égalité en points de demande), pour Input Equity Analysis Index (Indice d’analyse d’égalité en entrée), choisissez Priority_Schools_Selection. Pour Output Layer (Couche en sortie), saisissez Demand_points.
L’outil indique que 143 enregistrements vont être traités. Cela est conforme au nombre d’enregistrements que vous attendiez d’après la requête que vous avez utilisée dans l’outil Select by attribute (Sélectionner selon les attributs).
- Cliquez sur Run (Exécuter).
- Sur le ruban, sous l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Clear (Effacer) pour désélectionner les groupes d’îlots.
La couche Demand_points apparaît sur la carte avec des points au centre des groupes d’îlots situés dans les trois premières classes du score d’indice.
- Dans la fenêtre Tâches, cliquez sur Etape suivante.
- Dans la fenêtre de l’outil Solve Location Allocation with Index (Résoudre emplacement-allocation avec indice), pour Input Site Selection Layer (Couche de sélection de site en entrée), sélectionnez SiteSelection. Pour Input Demand Points Layer (Couche de points de demande en entrée), sélectionnez Demand_points.
Vous allez définir les paramètres de temps de trajet pour choisir des emplacements d’écoles situés à 30 minutes à pied ou moins des groupes d’îlots prioritaires.
- Pour Number of Sites to Find (Nombre de sites à rechercher), saisissez 5. Pour Travel Mode Cutoff (time or distance) (Limites du mode de déplacement [durée ou distance]), saisissez 30. Pour Travel Mode (Mode de déplacement), sélectionnez Walking Time (Durée du trajet à pied).
- Pour Output Allocation Lines Layer (Couche de lignes d’allocation en sortie), saisissez Allocation_lines. Pour Output Chosen Sites Layer (Couche de sites sélectionnée en sortie), saisissez Priority_schools.
- Cliquez sur Run (Exécuter).
Remarque :
L’exécution de cet outil nécessite 8,7 crédits.
Si vous ne disposez pas de crédits suffisants pour effectuer cette étape, vous pouvez utiliser les couches fournies suivantes afin de poursuivre le didacticiel. Pour ajouter les couches fournies, recherchez et ajoutez les couches Priority_Schools_Learn et Allocation_Lines_Learn appartenant à Learn_ArcGIS. Ignorez cette étape pour continuer le didacticiel.
L’analyse indique qu’il existe quatre écoles situées à 5 miles ou moins des groupes d’îlots prioritaires. Ces emplacements sont idéaux pour y exécuter les programmes d’éducation en matière de santé car ils sont les plus accessibles aux groupes d’îlots situés dans les 25 premiers centiles de l’analyse de la carte d’index d’égalité.
Dans un scénario réel, vous devrez peut-être exécuter cet outil plusieurs fois avec différentes distances. Envisagez de créer plusieurs cartes proposant des options de partage avec la communauté. Disposer de cartes proposant différentes options peut constituer un outil de conversation pour aider la communauté à mieux comprendre les compromis et pour choisir quelles options sont disponibles et doivent avoir priorité.
- Enregistrez le projet.
Vous pouvez utiliser ce que vous avez appris pour partager cette carte avec la communauté et voir si des paramètres doivent être ajustés pour mieux refléter les expériences de la communauté dans votre analyse.
Dans une analyse d’égalité raciale et sociale, il est vital que la compréhension précède l’action. Dans le scénario de ce didacticiel, vous avez découvert un exemple de l’intérêt de collaborer avec la communauté pour identifier les indicateurs clés afin de résoudre le problème de l’asthme infantile. En demandant des avis via les jalons de l’analyse, les cartes et les solutions étaient plus pertinentes et mieux adaptées aux besoins locaux.
« Les cartes et les données, combinées à une implication forte de la communauté, aident les décideurs et les communautés à développer cette compréhension partagée de la répartition des bénéfices et des charges dans leurs communautés et à éliminer les obstacles à l’égalité. ... L’égalité sociale est naturellement spatiale. Elle s’obtient lorsque l’identité sociale (race, ethnie, genre, handicap, etc.) ne détermine plus l’orientation de la vie d’une personne ; lorsqu’une personne obtient ce dont elle a besoin pour s’épanouir, où qu’elle vive. Les informations géographiques sont essentielles pour comprendre, planifier et agir afin de parvenir à l’égalité sociale tout en impliquant les personnes qui comptent le plus (les membres de la communauté) dans le processus. »
—The Power of Partnership: The Story Behind the Social Equity Analysis Solution
Dans ce didacticiel, vous avez développé la solution Social Equity Analysis (Analyse d’égalité sociale) et ajouté des données de résultats de santé et démographiques pour évaluer et comprendre les caractéristiques de la communauté. Vous avez validé et examiné la carte des caractéristiques de votre communauté en fonction des commentaires de la communauté et créé un index d’égalité. Vous avez été en mesure d’utiliser les résultats de l’index d’égalité pour optimiser l’intervention consistant à démarrer un programme de santé dans les écoles locales en déterminant quel emplacement d’école se trouve le plus au centre pour servir les groupes d’îlots de recensement où les résidents risquent le plus de souffrir d’asthme infantile.
Considérez comment ce processus d’index d’égalité peut être appliqué à une variété d’autres scénarios pour la santé et la politique publique (par exemple, où placer un nouveau parc public, où placer des centres de refroidissement l’été ou encore où améliorer les infrastructures pour les zones à taux de blessures élevé en raison d’accidents de la circulation). Considérez aussi d’autres méthodologies de développement d’une carte d’index, telles que calculer des priorités en fonction de calculs d’écart type ou de quantile. Pour en savoir plus, reportez-vous à la rubrique Méthodes de création d’une carte d’index pour l’égalité sociale.
Bien que cela ne soit pas couvert dans ce didacticiel, l’étape suivante du processus d’égalité raciale consiste à gérer les performances en surveillant et en analysant les performances de l’initiative que vous avez mise en œuvre pour faire progresser l’égalité au sein de la communauté. Cette étape vous permet de voir ce qui fonctionne (et ne fonctionne peut-être pas) et d’ajuster votre stratégie si nécessaire. Pour en savoir plus sur le processus d’égalité raciale, reportez-vous à la rubrique Déployer le processus d’égalité raciale à l’aide d’ArcGIS.
Vous trouverez d’autres didacticiels dans la bibliothèque des didacticiels.
