diff --git a/census/analyse.py b/census/analyse.py
index 598190430..acc7909e5 100644
--- a/census/analyse.py
+++ b/census/analyse.py
@@ -24,49 +24,49 @@ graphHead = '''
'''
-def extractQuestion(
+def extract_question(
df: pd.DataFrame,
- questionNumber: int,
- includeAnswers: bool = True,
- includeAggregates: bool = False,
- removeUnderscores: bool = True
+ question_number: int,
+ include_answers: bool = True,
+ include_aggregates: bool = False,
+ remove_underscores: bool = True
) -> pd.Series:
- print('Extracting question', questionNumber)
- questionDf = df.filter(regex='^%s_%s(?!_writein)' % (
- questionNumber,
- ('' if includeAnswers else 'aggr_') if includeAggregates else '(?!aggr)'
+ print('Extracting question', question_number)
+ question_df = df.filter(regex='^%s_%s(?!_writein)' % (
+ question_number,
+ ('' if include_answers else 'aggr_') if include_aggregates else '(?!aggr)'
))
- questionDf.columns = [
- c[len(str(questionNumber)) + 1:]
+ question_df.columns = [
+ c[len(str(question_number)) + 1:]
.replace('aggr_', 'łącznie: ')
- .replace('_', ' ' if removeUnderscores else '_')
+ .replace('_', ' ' if remove_underscores else '_')
.replace('łącznie: trans_', 'łącznie: trans*')
- for c in questionDf.columns
+ for c in question_df.columns
]
- questionDf = questionDf.sum()
- questionDf = questionDf.apply(lambda x: round(100 * x / len(df), 1))
+ question_df = question_df.sum()
+ question_df = question_df.apply(lambda x: round(100 * x / len(df), 1))
- return questionDf
+ return question_df
-def extractQuestionSingle(
+def extract_question_single(
df: pd.DataFrame,
- questionNumber: int,
- includeAnswers: bool = True,
- includeAggregates: bool = False
+ question_number: int,
+ include_answers: bool = True,
+ include_aggregates: bool = False
) -> pd.Series:
- print('Extracting question', questionNumber)
- questionDf = df.filter(regex='^%s_%s(?!_writein)' % (
- questionNumber,
- ('' if includeAnswers else 'aggr_') if includeAggregates else '(?!aggr)'
+ print('Extracting question', question_number)
+ question_df = df.filter(regex='^%s_%s(?!_writein)' % (
+ question_number,
+ ('' if include_answers else 'aggr_') if include_aggregates else '(?!aggr)'
))
- questionDf = questionDf.groupby(f'{questionNumber}_')[f'{questionNumber}_'].count()
- questionDf = questionDf.apply(lambda x: round(100 * x / len(df), 1))
+ question_df = question_df.groupby(f'{question_number}_')[f'{question_number}_'].count()
+ question_df = question_df.apply(lambda x: round(100 * x / len(df), 1))
- return questionDf
+ return question_df
-def renameIndex(data: Union[pd.DataFrame, pd.Series], new_index: List[str]) -> Union[pd.DataFrame, pd.Series]:
+def rename_index(data: Union[pd.DataFrame, pd.Series], new_index: List[str]) -> Union[pd.DataFrame, pd.Series]:
if type(data) is pd.Series:
data = data.copy()
data.columns = new_index
@@ -76,7 +76,7 @@ def renameIndex(data: Union[pd.DataFrame, pd.Series], new_index: List[str]) -> U
return data.set_axis(labels=new_index, axis=0)
-def generateBar(
+def generate_graph(
data: Union[pd.DataFrame, pd.Series],
group: str,
name: str,
@@ -87,10 +87,10 @@ def generateBar(
is_multi = type(data) is pd.DataFrame and len(data.columns) > 1
if all([type(c) is str and c.startswith('łącznie: ') for c in data.index]):
- data = renameIndex(data, [c.replace('łącznie: ', '') for c in data.index])
+ data = rename_index(data, [c.replace('łącznie: ', '') for c in data.index])
if 'nic, używam imienia nadanego mi przez rodziców' in data.index:
- data = renameIndex(data, [
+ data = rename_index(data, [
'nadane – ale przeciwna płeć',
'nadane – ale wersja unisex',
'nadane – bez zmian',
@@ -105,6 +105,7 @@ def generateBar(
barmode='group',
template='plotly_white',
)
+
fig.update_layout(
showlegend=is_multi,
legend=dict(orientation='h', yanchor='bottom', y=1.02, xanchor='right', x=1, title=''),
@@ -123,6 +124,7 @@ def generateBar(
hovertemplate='%{x} %{y:.2f}%' + (' %{meta}' if is_multi else '') + '',
meta=trace.offsetgroup,
hoverlabel_font=dict(family=fontFamily, size=12),
+ visible='legendonly' if trace.name == 'Ogół' else True,
)
file_path = outputDir / group / (name + '.html')
@@ -138,14 +140,16 @@ def percent(value: int, size: int, precision: int = 2) -> float:
return round(100 * value / size, precision)
-def ensureEmptyDir(dir: Path) -> Path:
+def ensure_empty_dir(dir: Path) -> Path:
if os.path.exists(dir):
shutil.rmtree(dir)
os.makedirs(dir, exist_ok=True)
+ return dir
+
def analyse(group: str, df: pd.DataFrame, echo: bool = False, diffs: List[int] = None):
- ensureEmptyDir(outputDir / group)
+ ensure_empty_dir(outputDir / group)
df_plural = df[df['7_aggr_mnogie'] == 1]
df_neuter = df[df['7_rodzaj neutralny'] == 1]
@@ -154,45 +158,49 @@ def analyse(group: str, df: pd.DataFrame, echo: bool = False, diffs: List[int] =
'size': len(df),
'size_plural': len(df_plural),
'size_neuter': len(df_neuter),
- 'age': pd.Series(buildAgesHistogram(df)),
+ 'age': pd.Series(build_ages_histogram(df)),
'ageStats': {
'avg': round(df['age'].mean(), 1),
'median': round(df['age'].median(), 1),
'std': round(df['age'].std(), 1),
- 'under_30': percent(len(df[df['age'] < 30]), len(df)),
'adults': percent(len(df[df['age'] >= 18]), len(df)),
- 'over_30': percent(len(df[df['age'] >= 30]), len(df)),
- 'under_30_count': len(df[df['age'] < 30]),
'adults_count': len(df[df['age'] >= 18]),
+ 'under_30': percent(len(df[df['age'] < 30]), len(df)),
+ 'under_30_count': len(df[df['age'] < 30]),
+ 'over_30': percent(len(df[df['age'] >= 30]), len(df)),
'over_30_count': len(df[df['age'] >= 30]),
+ 'under_25': percent(len(df[df['age'] < 25]), len(df)),
+ 'under_25_count': len(df[df['age'] < 25]),
+ 'over_25': percent(len(df[df['age'] >= 25]), len(df)),
+ 'over_25_count': len(df[df['age'] >= 25]),
},
- 'neuter': extractQuestionSingle(df, 6),
- 'neuterByUsers': extractQuestionSingle(df_neuter, 6),
- 'pronounGroups': extractQuestion(df, 7),
- 'pronounGroupsAggr': extractQuestion(df, 7, includeAnswers=False, includeAggregates=True),
- 'pluralNouns': extractQuestionSingle(df_plural, 8),
- 'pluralNonGendered': extractQuestionSingle(df_plural, 9),
- 'pronouns': extractQuestion(df, 10),
- 'pronounsAggr': extractQuestion(df, 10, includeAnswers=False, includeAggregates=True),
- 'nouns': extractQuestion(df, 11),
- 'honorifics': extractQuestion(df, 12, includeAggregates=True),
- 'obstacles': extractQuestion(df, 13),
- 'groups': extractQuestion(df, 14),
- 'reasons': extractQuestion(df, 15),
- 'names': extractQuestionSingle(df, 16),
- 'namesAggr': extractQuestion(df, 16, includeAnswers=False, includeAggregates=True),
- 'english': extractQuestion(df, 17, includeAggregates=True),
- 'labelsGender': extractQuestion(df, 18, includeAggregates=True, removeUnderscores=False),
- 'labelsAttractionSplit': extractQuestionSingle(df, 19),
- 'labelsSexuality': extractQuestion(df, 20, includeAggregates=True, removeUnderscores=False),
- 'labelsRomantic': extractQuestion(df, 21, includeAggregates=True, removeUnderscores=False),
- 'transtionAnswered': extractQuestionSingle(df, 22),
- 'transitionSocial': extractQuestionSingle(df, 23),
- 'transitionName': extractQuestionSingle(df, 24),
- 'transitionMarker': extractQuestionSingle(df, 25),
- 'transitionPhysical': extractQuestionSingle(df, 26),
- 'transitionHormonal': extractQuestionSingle(df, 27),
- 'transitionSurgical': extractQuestionSingle(df, 28),
+ 'neuter': extract_question_single(df, 6),
+ 'neuterByUsers': extract_question_single(df_neuter, 6),
+ 'pronounGroups': extract_question(df, 7),
+ 'pronounGroupsAggr': extract_question(df, 7, include_answers=False, include_aggregates=True),
+ 'pluralNouns': extract_question_single(df_plural, 8),
+ 'pluralNonGendered': extract_question_single(df_plural, 9),
+ 'pronouns': extract_question(df, 10),
+ 'pronounsAggr': extract_question(df, 10, include_answers=False, include_aggregates=True),
+ 'nouns': extract_question(df, 11),
+ 'honorifics': extract_question(df, 12, include_aggregates=True),
+ 'obstacles': extract_question(df, 13),
+ 'groups': extract_question(df, 14),
+ 'reasons': extract_question(df, 15),
+ 'names': extract_question_single(df, 16),
+ 'namesAggr': extract_question(df, 16, include_answers=False, include_aggregates=True),
+ 'english': extract_question(df, 17, include_aggregates=True),
+ 'labelsGender': extract_question(df, 18, include_aggregates=True, remove_underscores=False),
+ 'labelsAttractionSplit': extract_question_single(df, 19),
+ 'labelsSexuality': extract_question(df, 20, include_aggregates=True, remove_underscores=False),
+ 'labelsRomantic': extract_question(df, 21, include_aggregates=True, remove_underscores=False),
+ 'transtionAnswered': extract_question_single(df, 22),
+ 'transitionSocial': extract_question_single(df, 23),
+ 'transitionName': extract_question_single(df, 24),
+ 'transitionMarker': extract_question_single(df, 25),
+ 'transitionPhysical': extract_question_single(df, 26),
+ 'transitionHormonal': extract_question_single(df, 27),
+ 'transitionSurgical': extract_question_single(df, 28),
}
stats_json = {
@@ -231,17 +239,17 @@ def analyse(group: str, df: pd.DataFrame, echo: bool = False, diffs: List[int] =
return stats
-def buildAgesHistogram(df: pd.DataFrame) -> pd.Series:
+def build_ages_histogram(df: pd.DataFrame) -> pd.Series:
ages = [int(a) for a in df['age'].to_list() if a > 0]
- agesHist = {i: 0 for i in range(min(ages), max(ages) + 1)}
+ ages_hist = {i: 0 for i in range(min(ages), max(ages) + 1)}
for age in ages:
- agesHist[age] += 1
+ ages_hist[age] += 1
s = len(ages)
return pd.Series({
age: percent(count, s, 3)
for age, count
- in agesHist.items()
+ in ages_hist.items()
})
@@ -317,37 +325,37 @@ if __name__ == '__main__':
'transitionSurgical': 'Tranzycja medyczna – zmiany chirurgiczne',
}
- # for group, group_stats in stats.items():
- # for graph, graph_label in graphs.items():
- # generateBar(group_stats[graph], group, graph, graph_label)
- #
- # for comparison_key, comparison_groups in comparisons.items():
- # ensureEmptyDir(outputDir / comparison_key)
- # for graph, graph_label in graphs.items():
- # data = pd.DataFrame({
- # groupLabel: stats[group][graph]
- # for group, groupLabel
- # in comparison_groups.items()
- # })
- # generateBar(data, comparison_key, graph, graph_label)
- #
- # by_year = {}
- # for prev_year in [*diffs, year]:
- # file_path = outputDir.parent / f'spis-{prev_year}' / 'general' / 'stats.json'
- # if not file_path.exists():
- # continue
- # with open(file_path, 'r') as f:
- # by_year[prev_year] = json.load(f)
- #
- # ensureEmptyDir(outputDir / 'by_year')
- # for graph, graph_label in graphs.items():
- # data = pd.DataFrame({
- # column_year: year_data[graph]
- # for column_year, year_data
- # in by_year.items()
- # if graph in year_data
- # })
- # generateBar(data, 'by_year', graph, graph_label)
+ for group, group_stats in stats.items():
+ for graph, graph_label in graphs.items():
+ generate_graph(group_stats[graph], group, graph, graph_label)
+
+ for comparison_key, comparison_groups in comparisons.items():
+ ensure_empty_dir(outputDir / comparison_key)
+ for graph, graph_label in graphs.items():
+ data = pd.DataFrame({
+ groupLabel: stats[group][graph]
+ for group, groupLabel
+ in comparison_groups.items()
+ })
+ generate_graph(data, comparison_key, graph, graph_label)
+
+ by_year = {}
+ for prev_year in [*diffs, year]:
+ file_path = outputDir.parent / f'spis-{prev_year}' / 'general' / 'stats.json'
+ if not file_path.exists():
+ continue
+ with open(file_path, 'r') as f:
+ by_year[prev_year] = json.load(f)
+
+ ensure_empty_dir(outputDir / 'by_year')
+ for graph, graph_label in graphs.items():
+ data = pd.DataFrame({
+ column_year: year_data[graph]
+ for column_year, year_data
+ in by_year.items()
+ if graph in year_data
+ })
+ generate_graph(data, 'by_year', graph, graph_label)
write_ins_dir = outputDir / 'write_ins'
write_ins_dir.mkdir(parents=True, exist_ok=True)
diff --git a/locale/pl/blog/spis-2023.md b/locale/pl/blog/spis-2023.md
index 7c01e3781..17737380f 100644
--- a/locale/pl/blog/spis-2023.md
+++ b/locale/pl/blog/spis-2023.md
@@ -55,7 +55,7 @@ a {json=spis-2023/%group%/stats.json=ageStats.adults}% to osoby pełnoletnie.
{/census_groups}
-Liczba odpowiedzi jest w tym roku rekordowa (w porównaniu z 1816 odpowiedziami w 2022 roku i 2211 w 2021 roku).
+Liczba odpowiedzi jest w tym roku rekordowa (w porównaniu z {json=spis-2022/general/stats.json=size} odpowiedziami w 2022 roku i {json=spis-2021/general/stats.json=size} w 2021 roku).
Średnia wieku jest podobna we wszystkich edycjach (20.4 w zeszłym roku i 21 w 2021).
Zwrócono się do nas z pytaniem nt. udziału w badaniu osób poniżej osiemnastego roku życia
diff --git a/locale/pl/blog/spis-2024.md b/locale/pl/blog/spis-2024.md
index 59aec62cc..6c02c0d60 100644
--- a/locale/pl/blog/spis-2024.md
+++ b/locale/pl/blog/spis-2024.md
@@ -4,12 +4,6 @@
-
-
- To wersja work-in-progress!
- Automatycznie pobierane dane i wykresy są aktualne, natomiast wording, dopiski etc. to póki co copy-paste z raportu 2023.
-
-
Za nami już czwarte edycja Niebinarnego Spisu Powszechnego. Jak co roku, pojawia się parę nowości:
idąc za licznymi sugestiami osób respondenckich, zapytałośmy osobno o orientację seksualną i romantyczną (jeśli dana
osoba je rozdziela); po raz pierwszy zadałośmy (nieobowiązkowe) pytania o proces tranzycji; ponadto, tegoroczny
@@ -74,18 +68,22 @@ a {json=spis-2024/%group%/stats.json=ageStats.adults}% to osoby pełnoletnie.
{/census_groups}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/age}
{/details}
-Drugi rok z rzędu bijemy rekord w liczbie odpowiedzi (w 2023 było ich 3016, w 2022 – 1816, a w 2021 – 2201).
-**Trzeba będzie poprawić 2211 na 2201 też w pozostałych raportach.**
+
+
+Drugi rok z rzędu bijemy rekord w liczbie odpowiedzi (w 2023 było ich {json=spis-2023/general/stats.json=size},
+w 2022 – {json=spis-2022/general/stats.json=size}, a w 2021 – {json=spis-2021/general/stats.json=size}).
Średnia wieku jest podobna we wszystkich edycjach, choć zwraca uwagę, że od 2022 roku stopniowo rośnie.
-Przypomnijmy, że w poprzednich latach wynosiła odpowiednio: 21,1 (2021); 20,4 (2022) i 21,2 (2023).
-**Do poprawienia średnia wieku z 1. edycji.**
+Przypomnijmy, że w poprzednich latach wynosiła odpowiednio: {json=spis-2021/general/stats.json=ageStats.avg} (2021);
+{json=spis-2022/general/stats.json=ageStats.avg} (2022) i {json=spis-2023/general/stats.json=ageStats.avg} (2023).
Od pierwszej edycji wyniki Spisu wskazują, że to przede wszystkim młode osoby identyfikują się jako niebinarne
(przy założeniu, że zebrana przez nas próba jest reprezentatywna, czego nie możemy być pewne).
@@ -136,8 +134,8 @@ W tym roku po raz drugi zapytałośmy osoby badane o preferencje w kwestii nazyw
konotacje „nijakości”. Nasze podejście zdaje się podzielać większość osób badanych – **{json=spis-2024/general/stats.json=neuter.rodzaj neutralny}%**
**wybrało opcję „rodzaj neutralny”, a tylko {json=spis-2024/general/stats.json=neuter.rodzaj nijaki}% – „rodzaj nijaki”.**
-Jednocześnie, ciekawie jest zauważyć, że popularność „rodzaju neutralnego” spadła o {json=spis-2024/general/stats.json=@diff.spis=2023.neuter.rodzaj neutralny} p.p.
-w stosunku do zeszłego roku, podczas gdy popularność „rodzaju nijakiego” wzrosła o {json=spis-2024/general/stats.json=@diff.spis=2023.neuter.rodzaj nijaki} p.p.
+Jednocześnie, ciekawie jest zauważyć, że popularność „rodzaju neutralnego” spadła o {json=spis-2024/general/stats.json=@diff.spis-2023.neuter.rodzaj neutralny} p.p.
+w stosunku do zeszłego roku, podczas gdy popularność „rodzaju nijakiego” wzrosła o {json=spis-2024/general/stats.json=@diff.spis-2023.neuter.rodzaj nijaki} p.p.
W dopiskach do tego pytania w zeszłorocznej edycji powtarzały się jeszcze dwie propozycje, które postanowiłośmy dodać do formularza w tym roku.
Za nazwą „rodzaju niebinarny” opowiedziało się {json=spis-2024/general/stats.json=neuter.rodzaj niebinarny}% osób badanych,
@@ -169,12 +167,16 @@ Przy podziale ze względu na miejsce zamieszkania, przypisaną płeć i grupę w
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/neuter}
{/details}
+
+
### …wśród osób używających tych form
Byłośmy również ciekawe, czy odpowiedzi będą znacząco inne wśród samych osób, które zadeklarowały, że odpowiadają
@@ -189,12 +191,16 @@ za tą opcją opowiada się {json=spis-2024/general/stats.json=neuterByUsers.rod
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/neuterByUsers}
{/details}
+
+
## Używane formy
Zaznaczamy, że osoby respondenckie były pytanie o to, jak *chcą* mówić i jak *chcą* by się do nich zwracać – nawet jeśli nie jest to (obecnie) możliwe.
@@ -213,12 +219,16 @@ W dalszej części formularza pytałośmy też o powody nieużywania niestandard
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/pronounGroups}
{/details}
+
+
Na początku podkreślmy, że pytanie dotyczyło form, które osobom badanym odpowiadają i których _chciałyby_ używać, nawet
jeśli obecnie nie mogą (bo np. nie są wyoutowane lub boją się o swój komfort czy bezpieczeństwo).
@@ -230,17 +240,17 @@ zeszłorocznego, jak i [tego sprzed dwóch lat](/blog/spis-2022#rodzaj-gramatycz
{census_groups}
{json=spis-2024/%group%/stats.json=pronounGroups.unikanie form nacechowanych płciowo}% osób respondenckich
-używa wobec siebie [form unikających deklarowania płci](/unikanie),
-({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroups.unikanie form nacechowanych płciowo} p.p. w stosunku do zeszłego roku).
+używa wobec siebie [form unikających deklarowania płci](/unikanie){optional},
+({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroups.unikanie form nacechowanych płciowo} p.p. w stosunku do zeszłego roku){/optional}.
-{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: binarne}% osób używa form binarnych (rodzaj męski i/lub żeński) ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: binarne} p.p.),
-ale tylko {json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: wyłącznie binarne}% _wyłącznie_ form binarnych ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: wyłącznie binarne} p.p.).
-{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: binarne zamiennie}% osób zaznaczyło zarówno formy męskie i żeńskie ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: binarne zamiennie} p.p.).
+{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: binarne}% osób używa form binarnych (rodzaj męski i/lub żeński){optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: binarne} p.p.){/optional},
+ale tylko {json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: wyłącznie binarne}% _wyłącznie_ form binarnych{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: wyłącznie binarne} p.p.){/optional}.
+{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: binarne zamiennie}% osób zaznaczyło zarówno formy męskie i żeńskie{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: binarne zamiennie} p.p.){/optional}.
-{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: niebinarne}% osób używa form niebinarnych ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: niebinarne}),
-przy czym {json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: wyłącznie niebinarne}% _wyłącznie_ form niebinarnych ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: wyłącznie niebinarne} p.p.).
+{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: niebinarne}% osób używa form niebinarnych{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: niebinarne}){/optional},
+przy czym {json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: wyłącznie niebinarne}% _wyłącznie_ form niebinarnych{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: wyłącznie niebinarne} p.p.){/optional}.
-{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: mnogie}% osób używa którejś z (lub kilku) form mnogich ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: mnogie} p.p.).
+{json=spis-2024/%group%/stats.json=pronounGroupsAggr.łącznie: mnogie}% osób używa którejś z (lub kilku) form mnogich{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pronounGroupsAggr.łącznie: mnogie} p.p.){/optional}.
{/census_groups}
@@ -318,12 +328,16 @@ Treśc pozostałych dopisków podsumowano poniżej.
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/pronouns}
{/details}
+
+
Pytanie o pismo było bardziej szczegółowe niż to o mowę i pozwalało na wybór konkretnych zestawów zaimków korespondujących z różnymi rodzajami.
Przykładowo, zamiast standardowego paradygmatu „[ono/jego](/ono)” w rodzaju neutralnym można było wybrać „[ono/jej](/ono/jej)”, gdzie formy
deklinacyjne identyczne z męskimi zastąpione są żeńskimi. Dostępne były także niewymawialne formy graficzne, takie jak iksy ([onx/jex](/onx))
@@ -352,12 +366,16 @@ Ze względu na mnogość opcji, zgrupowałośmy ze sobą podobne zaimki, by lepi
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/pronounsAggr}
{/details}
+
+
Podobnie jak w mowie, **w piśmie najpopularniejsze są formy męskie ({json=spis-2024/general/stats.json=pronouns.on/jego}%, {json=spis-2024/general/stats.json=@diff.spis-2023.pronouns.on/jego} p.p.).**
**W piśmie zachowała się też obecna w zeszłym roku przewaga rodzaju neutralnego nad żeńskim.** Przynajmniej jedną formę korespondującą z rodzajem neutralnym
wybrało {json=spis-2024/general/stats.json=pronounsAggr.łącznie: neutralne}% osób respondenkich ({json=spis-2024/general/stats.json=@diff.spis-2023.pronounsAggr.łącznie: neutralne} p.p.),
@@ -441,12 +459,16 @@ do generatora z naszej strony, aby szczegółowo przedstawić używane formy. Z
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/nouns}
{/details}
+
+
Odpowiedzi na pytanie dotyczące form rzeczownikowych wyglądają podobnie we wszystkich edycjach spisu.
Od początku **najczęściej wybierane są maskulatywy (w tym roku wybrało je {json=spis-2024/general/stats.json=nouns.maskulatywy}%, {json=spis-2024/general/stats.json=@diff.spis-2023.nouns.maskulatywy} p.p. w stosunku do zeszłego roku),**
**minimalnie rzadziej – [osobatywy](/osobatywy) ({json=spis-2024/general/stats.json=nouns.osobatywy}%, {json=spis-2024/general/stats.json=@diff.spis-2023.nouns.osobatywy} p.p.).**
@@ -530,12 +552,16 @@ W przyszłym roku rozważymy dodanie pytania o konkretne formy neutratywów.
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/honorifics}
{/details}
+
+
W tej edycji, kierując się częstymi dopiskami, dodałośmy dwie nowe opcje do formularza: neologiczną formę
grzecznościową *pano* oraz na wpół normatywny zwrot ze słowem *osoba* (np. „czy chciałby osoba złożyć zamówienie?”).
@@ -549,8 +575,8 @@ Niżej pod względem popularności plasują się normatywne formy grzecznościow
*pan* ({json=spis-2024/general/stats.json=honorifics.pan}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.pan} p.p.),
*pani* ({json=spis-2024/general/stats.json=honorifics.pani}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.pani} p.p.),
oraz *państwo* z uzgodnieniem w liczbie pojedynczej – „czy chce państwo...”
-({json=spis-2024/general/stats.json=honorifics.państwo (l. poj.)}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.państwo (l. poj.)} p.p.)
-i mnogiej – „czy chcą państwo...” ({json=spis-2024/general/stats.json=honorifics.państwo (l. mn.)}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.państwo (l. mn.)} p.p.).
+({json=spis-2024/general/stats.json=honorifics.państwo (l\\. poj\\.)}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.państwo (l\\. poj\\.)} p.p.)
+i mnogiej – „czy chcą państwo...” ({json=spis-2024/general/stats.json=honorifics.państwo (l\\. mn\\.)}%, {json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.państwo (l\\. mn\\.)} p.p.).
Na podobnym poziomie utrzymuje się opcja zwracania się „per wy”; tę wybrało {json=spis-2024/general/stats.json=honorifics.„per wy”}%
osób ({json=spis-2024/general/stats.json=@diff.spis-2023.honorifics.„per wy”} p.p.).
@@ -630,12 +656,12 @@ o mowę, czyli {json=spis-2024/general/stats.json=size_plural} osób.
{census_groups}
-{json=spis-2024/%group%/stats.json=pluralNonGendered.tak}% ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.tak} p.p.
+{json=spis-2024/%group%/stats.json=pluralNonGendered.tak}%{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.tak} p.p{/optional}.
w stosunku do zeszłego roku) zadeklarowało, że chce używania liczby mnogiej także w przypadku form nienacechowanych rodzajowo.
-{json=spis-2024/%group%/stats.json=pluralNonGendered.nie}% ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.nie} p.p.)
+{json=spis-2024/%group%/stats.json=pluralNonGendered.nie}%{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.nie} p.p.){/optional}
woli w tych miejscach liczbę pojedynczą.
-{json=spis-2024/%group%/stats.json=pluralNonGendered.wymiennie / bez różnicy / nie mam zdania}%
-({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.wymiennie / bez różnicy / nie mam zdania} p.p.) nie ma w tej kwestii preferencji.
+{json=spis-2024/%group%/stats.json=pluralNonGendered.wymiennie / bez różnicy / nie mam zdania}%{optional}
+({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNonGendered.wymiennie / bez różnicy / nie mam zdania} p.p.) nie ma w tej kwestii preferencji{/optional}.
{/census_groups}
@@ -645,20 +671,24 @@ woli w tych miejscach liczbę pojedynczą.
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/pluralNonGendered}
{/details}
+
+
{census_groups}
-{json=spis-2024/%group%/stats.json=pluralNouns.tak}% ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.tak} p.p.)
+{json=spis-2024/%group%/stats.json=pluralNouns.tak}%{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.tak} p.p.){/optional}
osób chce być opisywane rzeczownikami w liczbie mnogiej,
-{json=spis-2024/%group%/stats.json=pluralNouns.nie}% ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.nie} p.p.)
+{json=spis-2024/%group%/stats.json=pluralNouns.nie}%{optional} ({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.nie} p.p.){/optional}
wybiera rzeczowniki w liczbie pojedynczej, a
{json=spis-2024/%group%/stats.json=pluralNouns.wymiennie / bez różnicy / nie mam zdania}%
-({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.wymiennie / bez różnicy / nie mam zdania} p.p.)
+{optional}({json=spis-2024/%group%/stats.json=@diff.spis-2023.pluralNouns.wymiennie / bez różnicy / nie mam zdania} p.p.){/optional}
nie na w tej kwestii preferencji.
{/census_groups}
@@ -669,12 +699,16 @@ nie na w tej kwestii preferencji.
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/pluralNouns}
{/details}
+
+
Choć różnice w stosunku do wartości z zeszłego roku nie są bardzo znaczące, widzimy dwie interesujące rzeczy.
Po pierwsze, w pytaniu o formy nienacechowane rodzajowo większość osób opowiedziała się za liczbą pojedynczą (w zeszłym roku
największa grupa osób nie miała preferencji). Po drugie, w przypadku obu pytań liczba odpowiedzi „tak” i „nie mam zdania”
@@ -699,12 +733,16 @@ pozostają zawsze w liczbie mnogiej (np. „usiądźcie, mamo”). Zatem korzyst
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/english}
{/details}
+
+
**Od pierwszej edycji Spisu największą popularnością cieszy się zaimek *they*,** który w języku angielskim zyskał już miano
niejako „domyślnego” zaimka dla osób niebinarnych (choć, jak wskazują wyniki badania [Gender Census](https://www.gendercensus.com),
nie jest on akceptowany przez wszystkie z nich). Może on przybierać dwie formy zwrotne – tradycyjne *themselves* i mniej standardowe
@@ -716,8 +754,8 @@ w stosunku do zeszłego roku), a *they/themselves* – {json=spis-2024/general/s
**({json=spis-2024/general/stats.json=@diff.spis-2023.english.łącznie: they}%).** Jest to najwyższa wartośc procentowa nie tylko
w pytaniu o angielskie zaimki, ale we wszystkich pytaniach Spisu – w żadnej innej kwestii osoby respondenckie nie były aż tak zgodne.
-Dalej znalazły się standardowe *he* {json=spis-2024/general/stats.json=english.he/him}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.he/him} p.p.)
-i *she* {json=spis-2024/general/stats.json=english.she/her}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.she/her} p.p.).
+Dalej znalazły się standardowe *he* ({json=spis-2024/general/stats.json=english.he/him}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.he/him} p.p.)
+i *she* ({json=spis-2024/general/stats.json=english.she/her}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.she/her} p.p.).
Kolejną pozycję zajął zaimek *it* ({json=spis-2024/general/stats.json=english.it/its}%, {json=spis-2024/general/stats.json=@diff.spis-2023.english.it/its} p.p.).
Choć jego popularność w Spisie stopniowo spada od 2022 roku, taki wynik wciąż może zaskakiwać. Wielu osobom może kojarzyć się dehuminazująco,
@@ -808,7 +846,7 @@ do ściągania uwagi na swoją płeć wskazują, że **popularne wyobrażenie o
**używania konkretnego języka jest błędne.**
Jedna trzecia badanych osób ({json=spis-2024/general/stats.json=obstacles.strach przed stygmatyzacją z powodu „niepoprawnego” języka}%,
-{json=spis-2024/general/stats.json=obstacles.@diff.spis-2023.strach przed stygmatyzacją z powodu „niepoprawnego” języka})
+{json=spis-2024/general/stats.json=@diff.spis-2023.obstacles.strach przed stygmatyzacją z powodu „niepoprawnego” języka})
podała, że korzystanie z niestandardowych form utrudnia jej strach przed stygmatyzacją z powodu „niepoprawnego języka”,
a jedna czwarta ({json=spis-2024/general/stats.json=obstacles.nie chcę być odebranx jako nieprofesjonalnx, boję się wyśmiania}%) – że
boi się wyśmiania i bycia potraktowaną jako nieprofesjonalna.
@@ -821,8 +859,8 @@ Jednocześnie, Puchała i Hansen ([2024](https://psycnet.apa.org/doiLanding?doi=
wskazują, że tendencja ta jest słabsza u osób, które już wczesniej zetknęły się z takim językiem. A zatem jego promowanie – i po prostu używanie – ma szansę stopniowo
zmniejszać negatywny odbiór społeczny.
-Aż jedna czwarta osób respondenckich ({json=spis-2024/general/stats.json=obstacles.ciężko mi się przywyczaić}%,
-{json=spis-2024/general/stats.json=@diff.spis-2023.obstacles.ciężko mi się przywyczaić} p.p.)
+Aż jedna czwarta osób respondenckich ({json=spis-2024/general/stats.json=obstacles.ciężko mi się przyzwyczaić}%,
+{json=spis-2024/general/stats.json=@diff.spis-2023.obstacles.ciężko mi się przyzwyczaić} p.p.)
zgłosiła, że im samym trudno się przyzwyczaić do używania niestandardowych form,
z kolei {json=spis-2024/general/stats.json=obstacles.problemy z opanowaniem gramatyki tych form}% jako problem podało
problemy z opanowaniem gramatyki tych form. Trudności z przywyczajeniem się do „niebinarnego” języka w odniesieniu do samych siebie od 2022 roku
@@ -852,12 +890,16 @@ iż jestem nieco starsza niż wyoutowane osoby NB.”
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/obstacles}
{/details}
+
+
Osoby mieszkające za granicą wyraźnie mniej boją się trans-/enbyfobii; być może dlatego, że ich kontakt z osobami z Polski jest ograniczony
i utrzymują go głównie z osobami, które są akceptujące. To może być też powód, dla którego mniej boją się sprawania kłopotu innym
oraz oskarżeń o używanie „niepoprawnego” języka. Częściej są też wyoutwane. Jednocześnie częściej zgłaszają,
@@ -905,7 +947,7 @@ Najrzadziej wybieranymi odpowiedziamy były „opinie osób eksperckich” ({jso
{json=spis-2024/general/stats.json=@diff.spis-2023.reasons.opinie osób eksperckich} p.p.), inspiracja naszym
[Manifestem Niebinarnej Polszczyzny](/manifest) ({json=spis-2024/general/stats.json=reasons.Manifest Niebinarnej Polszczyzny}%,
{json=spis-2024/general/stats.json=@diff.spis-2023.reasons.Manifest Niebinarnej Polszczyzny} p.p.)
-i wreszcie – inspiracja książką, filmem lub serialem ({json=spis-2024/general/stats.json=reasons.inspiracja książką, filmem, serialem, ...}%;
+i wreszcie – inspiracja książką, filmem lub serialem ({json=spis-2024/general/stats.json=reasons.inspiracja książką, filmem, serialem, …}%;
ta odpowiedź pojawiła się w formularzu po raz pierwszy).
Wśród dopisków najczęściej pojawiała się odpowiedź, że osoba chce „zbalansować” to, jak jest postrzegana przez użycie form
@@ -921,12 +963,16 @@ komentarz o tym, że osoba lubi „bawić się językiem” oraz zdanie „\[uż
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/reasons}
{/details}
+
+
Przy podziale na miejsce zamieszakania nie widać wyraźnych różnic, choć można zauważyć, że osoby mieszkające
poza Polską częścię deklarują, że istotna była dla nich estetyka i brzmienie dalej formy, a rzadziej
komfort i poczucie dopasowania.
@@ -989,12 +1035,16 @@ bliskim środowiskiem queerowym (pamiętam że nawet urządziłam ankietę wśr
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/names}
{/details}
+
+
## Język neutralny płciowo
### Opisywanie grup mieszanych
@@ -1037,12 +1087,16 @@ nazwała „mówieniem podłogą” (znak „_” stosowany do zapisywania takic
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/groups}
{/details}
+
+
{details=Dopiski}
- \[unikanie nacechowania rodzajowego\] 50
@@ -1095,7 +1149,7 @@ osób opisało się przy pomocy kategorii *gender questioning*, a
{json=spis-2024/general/stats.json=labelsGender.rozważając_ swoją płeć}% ({json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.rozważając_ swoją płeć} p.p.)
jako *rozważające swoją płeć*.
-**Jedynie niecała połowa badanych ({json=spis-2024/general/stats.json=labelsGender.łącznie: trans}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.łącznie: trans} p.p.)**
+**Jedynie niecała połowa badanych ({json=spis-2024/general/stats.json=labelsGender.łącznie: trans\*}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.łącznie: trans\*} p.p.)**
określiła się jako transpłciowa, tzn. **wybrała co najmniej jeden termin z cząstką *trans-*.** Najczęściej wybierano sam przymiotnik *trans*
({json=spis-2024/general/stats.json=labelsGender.trans}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.trans} p.p.),
w dalszej kolejności anglojęzyczne *transgender* ({json=spis-2024/general/stats.json=labelsGender.transgender}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transgender} p.p.),
@@ -1109,8 +1163,7 @@ Na końcu, dość blisko siebie – określenia denotujące neutralną i kobiec
*transfeminine* ({json=spis-2024/general/stats.json=labelsGender.transfeminine}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transfeminine} p.p.),
*trans kobiec_* ({json=spis-2024/general/stats.json=labelsGender.transkobiec_}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transkobiec_} p.p.),
i *trans kobieta* ({json=spis-2024/general/stats.json=labelsGender.trans kobieta}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.trans kobieta} p.p.)
-oraz
-*transneutral* ({json=spis-2024/general/stats.json=labelsGender.transneutral}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transneutral} p.p.)
+oraz *transneutral* ({json=spis-2024/general/stats.json=labelsGender.transneutral}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transneutral} p.p.)
i *transneutraln_* ({json=spis-2024/general/stats.json=labelsGender.transneutraln_}%, {json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.transneutraln_} p.p.).
Ten stosunkowo niski odsetek badanych osób utożsamiających się z kategorią transpłciowości może zaskakiwać – współczesne rozumienie transpłciowości jako
@@ -1120,14 +1173,14 @@ przeprowadzone na próbie 6258 osób transpłciowych (33% stanowiły osoby, któ
z której 65% „zdecydowanie”, 26% „częściowo”, a 10% „wcale nie” utożsamiało się z terminem *transgender* (*transpłciowosć*),
a także obserwację Aleksa Iantaffiego ([2017](https://link.springer.com/book/10.1057/978-1-137-51053-2): 285), że wiele osób niebinarnych
czuje się „niewystarczająco trans” oraz, że wprowadzenie pojęcia niebinarności do dyskusji zamazuje granice między trans- a cispłciowością.
-Zwróćmy też uwagę, że liczba osób zaznaczających określenia z cząstką *-trans* stopniowo rośnie: w 2021 roku było to
-({json=spis-2021/general/stats.json=labels.łącznie: trans\*}%, w 2022 – {json=spis-2022/general/stats.json=labels.łącznie: trans\*}%,
-a w zeszłym – ({json=spis-2023/general/stats.json=labelsGender.łącznie: trans\*}%.
+Zwróćmy też uwagę, że liczba osób zaznaczających określenia z cząstką *trans-* stopniowo rośnie: w 2021 roku było to
+31,8%, w 2022 – {json=spis-2022/general/stats.json=labels.łącznie: trans\*}%,
+a w zeszłym – {json=spis-2023/general/stats.json=labelsGender.łącznie: trans\*}%.
-Wreszcie, **({json=spis-2024/general/stats.json=labelsGender.łącznie: binarne}% (({json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.łącznie: binarne} p.p.)**
+Wreszcie, **{json=spis-2024/general/stats.json=labelsGender.łącznie: binarne}% ({json=spis-2024/general/stats.json=@diff.spis-2023.labelsGender.łącznie: binarne} p.p.)**
**badanych osób wybrało „binarnie nacechowane” określenia** (*kobieta* i *kobiec_* oraz *mężczyzna* i *męsk_*). Ten odsetek również stopniowo wzrasta
-od pierwszej edycji badnia: w 2021 wyniósł {json=spis-2021/general/stats.json=labelsGender.łącznie: binarne}%,
-w 2022 – {json=spis-2022/general/stats.json=labelsGender.łącznie: binarne}%, a w zeszłym – {json=spis-2023/general/stats.json=labelsGender.łącznie: binarne}%.
+od pierwszej edycji badnia: w 2021 wyniósł 18,0%,
+w 2022 – {json=spis-2022/general/stats.json=labels.łącznie: binarne}%, a w zeszłym – {json=spis-2023/general/stats.json=labelsGender.łącznie: binarne}%.
Możemy powtórzyć naszą zeszłoroczną obserwację, że ta pozorna sprzeczność może oznaczać coraz większą swobodę w definiowaniu własnej tożsamości
zamiast sztywnego trzymania się etykietek.
@@ -1167,12 +1220,16 @@ i *gender abolitionist*, jedna z osób napisała „nie rozumiem płci”, a inn
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/labelsGender}
{/details}
+
+
{census_groups}
| Angielska etykietka | % | Polska etykietka | % | Polska etykietka | % |
@@ -1288,12 +1345,16 @@ i *wsumieobojetnemitoseksualny* oraz *kobieciarz*.
{/census_comparisons}
+
+
{details=Porównanie z poprzednimi edycjami}
{graph=/docs-local/spis-2024/by_year/labelsSexuality}
{/details}
+
+
### Etykietki opisujące romantyczność
W komentarzach do poprzedniej edycji Spisu wiele osób pisało, że chciałoby mieć możliwość
diff --git a/locale/pl/docs/spis-2024/agab_f/age.html b/locale/pl/docs/spis-2024/agab_f/age.html
index f891a7a17..ef2faace1 100644
--- a/locale/pl/docs/spis-2024/agab_f/age.html
+++ b/locale/pl/docs/spis-2024/agab_f/age.html
@@ -6,6 +6,6 @@
-