2. Metodologia e workflow

Obiettivi

Milano Melting Pot produce quattro mappe.

1. Count. Per ciascun anno, una mappa one person one dot. Ogni cittadino straniero residente a Milano è rappresentato da un punto colorato. Il colore rappresenta la regione di provenienza.
2. Increase. Per ciascun anno, una mappa one person one dot. Ogni cittadino straniero residente a Milano, al netto dei residenti dell'anno precedente, è rappresentato da un punto colorato. Il colore rappresenta la regione di provenienza. Quindi: se nel quartiere Duomo c'erano 150 sudamericani nel 2010 e 185 nel 2011, il dato del 2011 riporterà 185 - 150 = 35 punti.
3. Segregation. Per ciascun anno, una heat map di un indice di segregazione.
4. School's roles. La stessa mappa di 3., ma con in più una rappresentazione delle scuole di Milano. Le scuole sono color-coded per il valore del loro indice di effetto integrazione.

Workflow

1. A partire dal dataset popolazione, produrre tre JSONs, uno per ciascuna mappa in 1-3. Le singole nazionalità vengono aggregate in regioni, secondo lo stesso schema già usato in Brussels, a lovely melting-pot.
2. A partire dal dataset scuole, produrre il geocoding delle scuole.
3. A partire da entrambi i dataset, produrre un JSON in cui ogni riga è una scuola. I campi includono le coordinate e l'indice di effetto integrazione.
4. Visualizzare le mappe e metterle su un sito (Jekyll + github.io?), accompagnate da un minimo di interfaccia utente e di spiegazione.