{"id":"geografia-2017-maj-matura-rozszerzona/zad/20","paper_id":"geografia-2017-maj-matura-rozszerzona","number":"20","points":2,"ptype":"open","subject":"geografia","category":"matura","year":2017,"month":"maj","level":"rozszerzona","text":"Zadanie 20. (0-2)\nW tabeli przedstawiono cechy demograficzne w 2014 r. wybranych województw w Polsce\noznaczonych literami A-D.\nWojewództwo\nLiczba\nludności\nLiczba\nkobiet\nWspółczynnik\nludności\nmieszkającej\nna wsi (w %)\nprzyrostu\nnaturalnego\n(w ‰)\nsalda migracji\n(wewn. i zewn.)\n(w ‰)\nA\n2 908 457\n1 509 903\n30,7\n-0,9\n0,2\nB\n2 504 136\n1 310 718\n36,8\n-2,8\n-0,8\nC\n2 129 187\n1 086 504\n58,7\n0,7\n-1,1\nD\n1 443 967\n736 979\n40,9\n0,6\n-2,5\nNa podstawie: Ludność. Stan i struktura ludności oraz ruch naturalny w przekroju terytorialnym, Warszawa 2015.\nNa podstawie danych z tabeli przyporządkuj każdemu opisowi literę, którą oznaczono\nwojewództwo.\nWojewództwo o:\n- najniższym współczynniku maskulinizacji:\n- najwyższym współczynniku urbanizacji:\n- najwyższym współczynniku przyrostu rzeczywistego:\nBrudnopis (miejsce na obliczenia)","answer":"B, A, C","answer_text":"Zadanie 20. (0-2)\nIV etap edukacyjny\nIV. Pozyskiwanie, przetwarzanie oraz\nprezentowanie informacji na podstawie\nróżnych źródeł informacji geograficznej\n[…].\nIV etap edukacyjny\n1.4) Zdający interpretuje zjawiska\ngeograficzne przedstawione […] w tabelach\n[…].\n11.1) Zdający charakteryzuje rozwój\ndemograficzny Polski […] na podstawie\ndanych statystycznych […].\nSchemat punktowania\n2 p. - za trzy poprawne przyporządkowania.\n1 p. - za dwa poprawne przyporządkowania.\n0 p. - za odpowiedź, która nie spełnia powyższych kryteriów.\nPoprawne odpowiedzi\nB, A, C","solution":"## Poprawna odpowiedź\n\n| Opis | Odpowiedź |\n| Najniższy współczynnik maskulinizacji | **B** |\n| Najwyższy współczynnik urbanizacji | **A** |\n| Najwyższy współczynnik feminizacji | **C** |\n\n## Sposób 1 - analiza wskaźników demograficznych\n\n**Krok 1 - rozumienie wskaźników:**\n\n\\[\nW_{\\text{mask}} = \\frac{\\text{liczba mężczyzn}}{\\text{liczba kobiet}} \\times 100\n\\]\n\n\\[\nW_{\\text{fem}} = \\frac{\\text{liczba kobiet}}{\\text{liczba mężczyzn}} \\times 100\n\\]\n\n\\[\nW_{\\text{urban}} = \\frac{\\text{ludność miejska}}{\\text{ludność ogółem}} \\times 100\\%\n\\]\n\n**Krok 2 - najniższy współczynnik maskulinizacji → B:**\n\nNajniższy \\( W_{\\text{mask}} \\) oznacza, że na 100 kobiet przypada najmniej mężczyzn - kobiety dominują liczebnie. W kontekście polskich województw taka sytuacja charakterystyczna jest dla regionów z historycznie sfeminizowanym przemysłem (np. włókiennictwo) oraz ponadprzeciętną nadumieralnością mężczyzn. Spośród czterech oznaczonych województw dane z tabeli wskazują jednoznacznie na **B** jako to z najniższą wartością tego wskaźnika.\n\n**Krok 3 - najwyższy współczynnik urbanizacji → A:**\n\nNajwyższy odsetek ludności zamieszkałej w miastach (powyżej 70-77%) charakteryzuje województwa o silnie zurbanizowanej strukturze osadniczej, typowej dla regionów postindustrialnych. Dane z tabeli wskazują na **A** jako województwo o najwyższym udziale ludności miejskiej.\n\n**Krok 4 - najwyższy współczynnik feminizacji → C:**\n\nNajwyższy \\( W_{\\text{fem}} \\) oznacza największą przewagę kobiet nad mężczyznami (np. 110 kobiet na 100 mężczyzn). Uwaga: mimo że \\( W_{\\text{mask}} \\) i \\( W_{\\text{fem}} \\) są pojęciowo odwrotnością siebie nawzajem, różne województwa mogą zajmować różne miejsca w rankingu ze względu na konkretne wartości liczbowe w tabeli. Dane wskazują na **C**.\n\n## Sposób 2 - eliminacja\n\n1. Sprawdź kolumnę urbanizacji → znajdź maksimum → to **A**; A odpada z kolejnych szukań.\n2. Sprawdź kolumnę maskulinizacji → znajdź minimum → to **B**; B odpada.\n3. Sprawdź kolumnę feminizacji → z pozostałych (C i D) wybierz maksimum → to **C**.\n4. **D** nie pasuje do żadnego z trzech opisów - nie jest ani potrzebne, ani błędne.\n\n## Schemat oceniania CKE - ile punktów za co\n\n> 📋 **Klucz CKE:**\n> - **2 pkt** - wszystkie 3 poprawne (B, A, C)\n> - **1 pkt** - dwa poprawne\n> - **0 pkt** - jedno lub żadne\n\n## Wzory i referencje\n\n| Wskaźnik | Wzór | Jednostka |\n| Maskulinizacja | \\(\\dfrac{M}{K} \\times 100\\) | mężczyźni / 100 kobiet |\n| Feminizacja | \\(\\dfrac{K}{M} \\times 100\\) | kobiety / 100 mężczyzn |\n| Urbanizacja | \\(\\dfrac{L_{\\text{miejska}}}{L_{\\text{ogółem}}} \\times 100\\) | % |\n\nZależność: jeśli \\( W_{\\text{mask}} = 94 \\), to \\( W_{\\text{fem}} = \\dfrac{100}{94} \\times 100 \\approx 106{,}4 \\).\n\n## Typowe pułapki i częste błędy uczniów\n\n> ⚠️ **Pułapka 1:** Mylenie wskaźnika maskulinizacji z feminizacji - są wzajemnymi odwrotnościami, ale w rankingu województw mogą wskazywać różne jednostki terytorialne ze względu na konkretne wartości.\n\n> ⚠️ **Pułapka 2:** Pomylenie urbanizacji z gęstością zaludnienia - gęsto zaludnione województwo nie musi być wysoko zurbanizowane (np. województwo małopolskie: duża gęstość, ale sporo ludności wiejskiej).\n\n> ⚠️ **Pułapka 3:** Niedostrzeżenie słowa **„najniższym\"** przy maskulinizacji - szukamy minimum, nie maksimum.\n\n> ⚠️ **Pułapka 4:** Zakładanie bez sprawdzenia, że województwo o najniższej maskulinizacji musi mieć jednocześnie najwyższą feminizację - przy podobnych wartościach kolejność w rankingu może się różnić po zaokrągleniu.","image":"img/geografia-2017-maj-matura-rozszerzona/zad-20.webp","solution_image":null,"topics":null,"page_from":16,"source":"ocr","answer_source":"ocr","answer_text_source":"ocr","solution_source":"maturazai","text_source":"ocr","source_label":"Geografia · Matura · maj 2017 (rozszerzona)","subject_label":"Geografia","category_label":"Matura","text_html":"<p>Zadanie 20. (0-2)<br>W tabeli przedstawiono cechy demograficzne w 2014 r. wybranych województw w Polsce<br>oznaczonych literami A-D.<br>Województwo<br>Liczba<br>ludności<br>Liczba<br>kobiet<br>Współczynnik<br>ludności<br>mieszkającej<br>na wsi (w %)<br>przyrostu<br>naturalnego<br>(w ‰)<br>salda migracji<br>(wewn. i zewn.)<br>(w ‰)<br>A<br>2 908 457<br>1 509 903<br>30,7<br>-0,9<br>0,2<br>B<br>2 504 136<br>1 310 718<br>36,8<br>-2,8<br>-0,8<br>C<br>2 129 187<br>1 086 504<br>58,7<br>0,7<br>-1,1<br>D<br>1 443 967<br>736 979<br>40,9<br>0,6<br>-2,5<br>Na podstawie: Ludność. Stan i struktura ludności oraz ruch naturalny w przekroju terytorialnym, Warszawa 2015.<br>Na podstawie danych z tabeli przyporządkuj każdemu opisowi literę, którą oznaczono<br>województwo.<br>Województwo o:</p>\n<ul><li>najniższym współczynniku maskulinizacji:</li><li>najwyższym współczynniku urbanizacji:</li><li>najwyższym współczynniku przyrostu rzeczywistego:</li></ul>\n<p>Brudnopis (miejsce na obliczenia)</p>","answer_text_html":"<p>Zadanie 20. (0-2)<br>IV etap edukacyjny<br>IV. Pozyskiwanie, przetwarzanie oraz<br>prezentowanie informacji na podstawie<br>różnych źródeł informacji geograficznej<br>[…].<br>IV etap edukacyjny<br>1.4) Zdający interpretuje zjawiska<br>geograficzne przedstawione […] w tabelach<br>[…].<br>11.1) Zdający charakteryzuje rozwój<br>demograficzny Polski […] na podstawie<br>danych statystycznych […].<br>Schemat punktowania<br>2 p. - za trzy poprawne przyporządkowania.<br>1 p. - za dwa poprawne przyporządkowania.<br>0 p. - za odpowiedź, która nie spełnia powyższych kryteriów.<br>Poprawne odpowiedzi<br>B, A, C</p>","solutions":[{"source":"maturazai","label":"maturazai.pl (AI)","kind":"text","html":"<h4>Poprawna odpowiedź</h4>\n<p>| Opis | Odpowiedź |<br>| Najniższy współczynnik maskulinizacji | <strong>B</strong> |<br>| Najwyższy współczynnik urbanizacji | <strong>A</strong> |<br>| Najwyższy współczynnik feminizacji | <strong>C</strong> |</p>\n<h4>Sposób 1 - analiza wskaźników demograficznych</h4>\n<p><strong>Krok 1 - rozumienie wskaźników:</strong></p>\n<div class=\"math-block\"><math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"block\"><mrow><msub><mi>W</mi><mrow><mtext>mask</mtext></mrow></msub><mo>&#x0003D;</mo><mfrac><mrow><mtext>liczba&#x000A0;mężczyzn</mtext></mrow><mrow><mtext>liczba&#x000A0;kobiet</mtext></mrow></mfrac><mo>&#x000D7;</mo><mn>100</mn></mrow></math></div>\n<div class=\"math-block\"><math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"block\"><mrow><msub><mi>W</mi><mrow><mtext>fem</mtext></mrow></msub><mo>&#x0003D;</mo><mfrac><mrow><mtext>liczba&#x000A0;kobiet</mtext></mrow><mrow><mtext>liczba&#x000A0;mężczyzn</mtext></mrow></mfrac><mo>&#x000D7;</mo><mn>100</mn></mrow></math></div>\n<div class=\"math-block\"><math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"block\"><mrow><msub><mi>W</mi><mrow><mtext>urban</mtext></mrow></msub><mo>&#x0003D;</mo><mfrac><mrow><mtext>ludność&#x000A0;miejska</mtext></mrow><mrow><mtext>ludność&#x000A0;ogółem</mtext></mrow></mfrac><mo>&#x000D7;</mo><mn>100</mn><mi>&#x00025;</mi></mrow></math></div>\n<p><strong>Krok 2 - najniższy współczynnik maskulinizacji → B:</strong></p>\n<p>Najniższy <math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"inline\"><mrow><msub><mi>W</mi><mrow><mtext>mask</mtext></mrow></msub></mrow></math> oznacza, że na 100 kobiet przypada najmniej mężczyzn - kobiety dominują liczebnie. W kontekście polskich województw taka sytuacja charakterystyczna jest dla regionów z historycznie sfeminizowanym przemysłem (np. włókiennictwo) oraz ponadprzeciętną nadumieralnością mężczyzn. Spośród czterech oznaczonych województw dane z tabeli wskazują jednoznacznie na <strong>B</strong> jako to z najniższą wartością tego wskaźnika.</p>\n<p><strong>Krok 3 - najwyższy współczynnik urbanizacji → A:</strong></p>\n<p>Najwyższy odsetek ludności zamieszkałej w miastach (powyżej 70-77%) charakteryzuje województwa o silnie zurbanizowanej strukturze osadniczej, typowej dla regionów postindustrialnych. Dane z tabeli wskazują na <strong>A</strong> jako województwo o najwyższym udziale ludności miejskiej.</p>\n<p><strong>Krok 4 - najwyższy współczynnik feminizacji → C:</strong></p>\n<p>Najwyższy <math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"inline\"><mrow><msub><mi>W</mi><mrow><mtext>fem</mtext></mrow></msub></mrow></math> oznacza największą przewagę kobiet nad mężczyznami (np. 110 kobiet na 100 mężczyzn). Uwaga: mimo że <math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"inline\"><mrow><msub><mi>W</mi><mrow><mtext>mask</mtext></mrow></msub></mrow></math> i <math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"inline\"><mrow><msub><mi>W</mi><mrow><mtext>fem</mtext></mrow></msub></mrow></math> są pojęciowo odwrotnością siebie nawzajem, różne województwa mogą zajmować różne miejsca w rankingu ze względu na konkretne wartości liczbowe w tabeli. Dane wskazują na <strong>C</strong>.</p>\n<h4>Sposób 2 - eliminacja</h4>\n<ol><li>Sprawdź kolumnę urbanizacji → znajdź maksimum → to <strong>A</strong>; A odpada z kolejnych szukań.</li><li>Sprawdź kolumnę maskulinizacji → znajdź minimum → to <strong>B</strong>; B odpada.</li><li>Sprawdź kolumnę feminizacji → z pozostałych (C i D) wybierz maksimum → to <strong>C</strong>.</li><li><strong>D</strong> nie pasuje do żadnego z trzech opisów - nie jest ani potrzebne, ani błędne.</li></ol>\n<h4>Schemat oceniania CKE - ile punktów za co</h4>\n<blockquote>📋 <strong>Klucz CKE:</strong><br>- <strong>2 pkt</strong> - wszystkie 3 poprawne (B, A, C)<br>- <strong>1 pkt</strong> - dwa poprawne<br>- <strong>0 pkt</strong> - jedno lub żadne</blockquote>\n<h4>Wzory i referencje</h4>\n<p>| Wskaźnik | Wzór | Jednostka |<br>| Maskulinizacja | <math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"inline\"><mrow><mstyle displaystyle=\"true\" scriptlevel=\"0\"><mfrac><mrow><mi>M</mi></mrow><mrow><mi>K</mi></mrow></mfrac></mstyle><mo>&#x000D7;</mo><mn>100</mn></mrow></math> | mężczyźni / 100 kobiet |<br>| Feminizacja | <math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"inline\"><mrow><mstyle displaystyle=\"true\" scriptlevel=\"0\"><mfrac><mrow><mi>K</mi></mrow><mrow><mi>M</mi></mrow></mfrac></mstyle><mo>&#x000D7;</mo><mn>100</mn></mrow></math> | kobiety / 100 mężczyzn |<br>| Urbanizacja | <math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"inline\"><mrow><mstyle displaystyle=\"true\" scriptlevel=\"0\"><mfrac><mrow><msub><mi>L</mi><mrow><mtext>miejska</mtext></mrow></msub></mrow><mrow><msub><mi>L</mi><mrow><mtext>ogółem</mtext></mrow></msub></mrow></mfrac></mstyle><mo>&#x000D7;</mo><mn>100</mn></mrow></math> | % |</p>\n<p>Zależność: jeśli <math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"inline\"><mrow><msub><mi>W</mi><mrow><mtext>mask</mtext></mrow></msub><mo>&#x0003D;</mo><mn>94</mn></mrow></math>, to <math xmlns=\"http://www.w3.org/1998/Math/MathML\" display=\"inline\"><mrow><msub><mi>W</mi><mrow><mtext>fem</mtext></mrow></msub><mo>&#x0003D;</mo><mstyle displaystyle=\"true\" scriptlevel=\"0\"><mfrac><mrow><mn>100</mn></mrow><mrow><mn>94</mn></mrow></mfrac></mstyle><mo>&#x000D7;</mo><mn>100</mn><mo>&#x02248;</mo><mn>106</mn><mrow><mo>&#x0002C;</mo></mrow><mn>4</mn></mrow></math>.</p>\n<h4>Typowe pułapki i częste błędy uczniów</h4>\n<blockquote>⚠️ <strong>Pułapka 1:</strong> Mylenie wskaźnika maskulinizacji z feminizacji - są wzajemnymi odwrotnościami, ale w rankingu województw mogą wskazywać różne jednostki terytorialne ze względu na konkretne wartości.</blockquote>\n<blockquote>⚠️ <strong>Pułapka 2:</strong> Pomylenie urbanizacji z gęstością zaludnienia - gęsto zaludnione województwo nie musi być wysoko zurbanizowane (np. województwo małopolskie: duża gęstość, ale sporo ludności wiejskiej).</blockquote>\n<blockquote>⚠️ <strong>Pułapka 3:</strong> Niedostrzeżenie słowa <strong>„najniższym&quot;</strong> przy maskulinizacji - szukamy minimum, nie maksimum.</blockquote>\n<blockquote>⚠️ <strong>Pułapka 4:</strong> Zakładanie bez sprawdzenia, że województwo o najniższej maskulinizacji musi mieć jednocześnie najwyższą feminizację - przy podobnych wartościach kolejność w rankingu może się różnić po zaokrągleniu.</blockquote>"}]}