TJ 0 / OHI ON!

Loppuihan se tämäkin periodi. PAK-kurssi oli mielenkiintoinen raapaisu ennestään hieman vieraan paikkatiedon maailmaan. Loppujen lopuksi kurssi oli mielenkiintoinen, ja vaikka kurssilta opittu oli hyvin pitkälti pelkkää teknistä osaamista, uskon että siitä on hyötyä ainakin jatko-opinnoissa. Hauskinta kurssilla oli varmasti havaintopisteiden kerääminen itse, sekä pisteiden siirtäminen ohjelmaan ja reittien piirto.

Kiitos kurssitovereille ja kiitos Artulle! 🙂

 

KK7

Alkaahan tämäkin periodi lähestyä loppua. Viimeisellä kurssikerralla oli tehtävänantona etsiä itse aineistoja ja tuottaa niistä mieleinen karttaesitys, jossa olisi vähintään kaksi muuttujaa. Tulin tunnille jälleen kiireisen viikon saattelemana hieman myöhässä, tietenkin ilman valmiita aineistoja. Olin kuitenkin pää(i)ssäni suunnitellut, että jokin Yhdysvaltoihin liittyvä karttaesitys voisi olla mielenkiintoinen. Erityisesti sosioekonomiset muuttujat kiinnostivat minua, esimerkiksi tulotason ja terveydentilan suhteet, sillä tunnetusti Yhdysvalloissa tuloerot ovat eurooppalaisia verrokkivaltioitaan suuremmat. Sopivien tilastojen löytyminen oli kuitenkin mielestäni melko hankalaa. Tilastoja on paljon, mutta en löytänyt itseni kiinnostavista muuttujista tilastoja, jotka olisivat olleet keskenään vertailukelpoisia. Aikani tutkittua tuttu epätoivo alkoi taas vallata mielialaa ja aloinkin jo harkita koko kurssisalista poistumista. Halusin kuitenkin saada jonkinlaisen esityksen aikaiseksi, joten päätin luovuttaa jenkkien sekavan tilastoviidakon suhteen ja kääntää katseen lähemmäksi.

Euroopan unionin sisällä olisi varmasti löytynyt paljon mielenkiintoisia ja vertailukelpoisia muuttujia, nyt olin kuitenkin tuhlannut niin paljon aikaa amerikkalaisiin, että päätin mennä sieltä mistä aita on matalin ja keskittyä kotoiseen Suomen maahan. En kuitenkaan käyttänyt pelkästään valmiita vanhoilta kurssikerroilta tuttuja tietokantoja, vaan etsin myös uutta tietoa tilastokeskuksen verkkosivuilta. Päädyin vertailemaan huoltosuhdetta, väkilukua ja sen muutosta maakunnittain kotimaassamme. Alustavasti voisi olettaa, että huoltosuhde heikkenee samoilla alueilla, joiden väkimäärä pienenee, muuttajat kun yleensä tuppaavat olemaan nuoria tai työssäkäyviä aikuisia.

Kuva 1. Huoltosuhde maakunnittain 2015, eli kuinka monta huollettavaa henkilöä on 100 työikäistä kohden.

Ensimmäinen kartta (kuva 1) esittää huoltosuhdetta Suomessa maakunnittain. Huoltosuhteella tarkoitetaan kuinka monta työikäisten ulkopuolista, eli huollettavaa henkilöä, alueella on sataa työikäistä kohden. Tässä tilastossa ei eritelty työttömiä ja muita muun, kuin ikänsä puolesta työelämän ulkopuolella olevia. Halusin kartassani tuoda esille etenkin huoltosuhteen kannalta hyvässä tilanteessa, sekä huonossa tilanteessa olevat maakunnat selkeästi esiin. Tästä syystä käyttämässäni neljän luokan luokkajaossa kahteen keskimmäiseen kvantiiliin jää paljon maakuntia, kun taas suurimmassa ja pienimmässä kvantiilissa niitä on vain kaksi. Selkeänä kartasta punaisena loistaa Keski-Pohjanmaa ja Etelä-Savo, joissa huollettavia on 66-69 jokaista sataa työikäistä kohden. Keski-Pohjanmaalla lukua selittänee vähäinen kaupunkien määrä, maakunnan suurin ja tunnetuin kaupunki on Kokkola. Suuremmat oppilaitokset sijaitsevat usein kaupungeissa, joten nuoret muuttavat opiskelujen perässä muualle, eivätkä välttämättä palaa enää ammatin saatuaan kotipaikkakunnille. Etelä-Savossa tilanne on hyvin samankaltainen, vaikka maakunnassa onkin kaksi kunnon kaupunkia, Mikkeli ja Savonlinna, joissa molemmissa on myös korkeakouluopetusta. Huoltosuhteen kannalta parhaiten porskuttaa Uusimaa ja Pirkanmaa, tämä tuskin yllättää ketään. Hieman yllättäen kuitenkin Varsinais-Suomi on tippunut tästä kvantiilista, todennäköisesti se löytyy kuitenkin aivan tämän ja seuraavan luokan rajalta, sillä alueella on suuria väestökeskuksia, Turku etunenässä.

Kirjoittelen tätä blogitekstiä kotoa ja aloin nyt pohtia, miksi en yhdistänyt kaikkia muuttujia samaan karttaan. Teoriassa ja käytännössä tämä olisi kuitenkin ollut mahdollista lisäämällä huoltosuhdekartan (kuva 1) tiedot rasterina väestöaineisto kartan (kuva 2) päälle. Tällöin muuttujien vertailu olisi todennäköisesti ollut helpompaa, kun kaikki tieto olisi ollut yhdessä kuvassa, eikä vertailua olisi tarvinnut tehdä kuvien välillä. Toki kartan luettavuus kärsii, mitä enemmän siinä on tietoa, mutta luulen että valitut asiat olisi voinut saada selkeästi esitettyä ilman epäselvyyksiä. Todennäköisesti tämä myös alitajuntaisesti oli ideani lähtiessä toteuttamaan karttaesitystä, jossain vaiheessa vain logiikka on pettänyt pahasti. Koska aika on vaihteeksi pahin viholliseni, täytyy nyt pelata (itse) jaetuilla korteilla. Laatimaani väestökarttaan olen kerrankin melko tyytyväinen. Kartasta voi lukea maakunnittain karkean väkimäärän, sekä rasteripintana nähdä väkiluvunmuutoksen. Käyttämäni data on vuodelta 2015 niin tässä, kuin toisessakin kartassa, joten tietojen vertailu on luotettavaa. Lainkaan naisia tietoisesti alistamatta valitsin ukkelin kuvaamaan maakunnan väkilukua. Tyypin koko skaalautuu väkiluvun, ei suinkaan egon koon mukaisesti, suurimpana se on kuitenkin molemmissa tapauksissa Uudellamaalla. (Toim. huom. egon koosta ei tilastokeskuksen dataa.)

Väkiluvun muutos ja väestö maakunnittain 2015.

Rastereista luettava väkiluvunmuutos näyttää huolestuttavalta Satakunnassa, Kymenlaaksossa ja äskeiseltä kartaltakin esiin nousseessa Etelä-Savossa. Edellä mainitut maakunnat ovat menettäneet vuoden aikana 900-1500 asukasta ja näkyvät kartassa kaikkein tummimman harmaalla. Huoltosuhteeltaan heikko Keski-Pohjanmaa on onnistunut pitämään vähäisistä asukkaistaan kiinni, mutta sielläkin kasvu on ollut hyvin vaatimatonta, 0-1500 asukasta vuodessa. Kirkkaimpana väriläiskänä kartalta loistaa Uusimaa, jossa kasvua on ollut yli 16 800 asukasta vuodessa. Huomionarvoista on, että tämä on kymmenesosa esimerkiksi Pohjois-Karjalan (164 124) kokonaisväestöstä. Muita muuttovoittoalueita ovat niin ikään huoltosuhteeltaan hyvä Pirkanmaa, Varsinais-Suomi, sekä Pohjois-Pohjanmaa. Todennäköisesti yliopistokaupungit Turku ja Oulu pitävät kaksi jälkimmäistä maakuntaa elinvoimaisina. Mielenkiintoista kartassa on myös, että vain 8 maakuntaa voidaan laskea muuttovoittoalueiksi, kun taas väkeä on menettänyt jopa 11 maakuntaa. Suurimpina muuttotappioalueina näkyvät koko Itä-Suomi ja Pohjoissuomi, myös Hämeestä ja Satakunnasta on paettu ympäröiviin kasvukeskuksiin.

Olen yleisesti ottaen tyytyväinen jälkimmäisen kartan värimaailmaan, mutta nyt jäin kuitenkin pohtimaan, että olisi ollut järkevämpää merkitä kaikki muuttovoittoalueet keltaisen eri sävyillä ja muuttotappio alueet harmaalla. Nyt pienin muuttovoittoalue on vaaleanharmaa, josta voi nopeasti saada kuvan, että alue olisi menettänyt asukkaita.

Lähteet:

Tilastokeskus http://pxnet2.stat.fi/PXWeb/pxweb/fi/StatFin/StatFin__vrm__vamuu/005_vamuu_tau_101.px/table/tableViewLayout1/?rxid=4f6779f9-b070-4a8f-919e-a6f8d0010916, luettu 14.3.2017

Tulivuoria ja kevätaurinkoa

Toiseksi viimeinen kurssikerta alkoi mukavissa merkeissä. Ulkona paistoi aurinko ja hieman masentavin mielin raahauduin kohti kurssisalia. Pakki-blogia selatessani huomasin kuitenkin ilouutisen; tällä kertaa mennään ulkoilmaan! Kurssikerran aluksi lähdimme siis pienryhmissä keräämään ulkoa omaa paikkatietoaineistoa. Tarkoituksena oli etsiä yli kymmenen saman muuttujan pistettä, meidän ryhmä päätyi keräämään bussipysäkkejä. Logistisista syistä päädyimme kuitenkin keräämään vain pysäkkien koordinaatteja. Apuna meillä oli GPS-paikannin, joka näytti tarkan sijainnin koordinaatein, sekä esimerkiksi paikan absoluuttisen korkeuden. Kävelimme mukavan lenkin Kumpulasta Arabianrantaan ja taas takaisin Toukolan lävitse. Saimme kerättyä mukavasti dataa, ja vain yksi korkeusluku tuntui hieman epäluotettavalta. Koululle palattuamme siirsimme tiedot Exceliin ja sitä kautta MapInfoon, joka piirsi meille kauniin kartan reitistämme sisältäen bussipysäkkien paikat tietoineen. Pisteet sai siirrettyä laitteelta koneelle myös digitaalisesti, mutta tällä kertaa keskityimme manuaalisen puolen harjoitteluun. Tämä olikin mielestäni oikein piristävä tapa aloittaa oppitunti.

Kun päiväkävely oli suoritettu, oli aika paneutua hieman toisenlaisiin asioihin. Kurssikansiosta lataamassamme ohjeessa oli kolme linkkiä, joidenka takana oli erinäistä tilastodataa. Yksi linkeistä johti Berkleyn yliopiston sivuille. Sivustolta pystyi hakemaan tilastoja maanjäristyksistä niiden voimakkuuden, tai vaikkapa tuoreuden mukaan. Muiden linkkien takaa pystyi etsimään tietoa tulivuorista ja meteoriittien putoamispaikoista samankaltaisten muuttujien mukaan. Koska paikkatietokurssilla olemme, tehtävänantona oli tietenkin muodostaa karttaesityksiä, joissa vertaillaan eri ilmiöiden suhteita toisiinsa. Oli toki myös mahdollista vertailla vain tietyn ilmiön, kuten vaikkapa maanjäristysten, määrän muutoksia eri voimakkuusasteikoilla.

Itse näppäränä poikana paukuttelin kaikki ilmiöt samaan karttaan sen enempää ajattelematta. Sain hommat tehtyä kurssikerran aikana ja olin kerrankin ylpeä itsestäni. Jes! Myöhemmin sitten aloin kirjoittelemaan tätä tekstiä ja totesin että olisi ollut kiva, jos olisi ollut esittää useampi kuin vain yksi kartta. Eikä edes siinä yhdessä kartassa ollut legendaa. Se siitä ylpeydestä. Aloin pari viikkoa myöhemmin siis muokkaamaan tekemääni karttaa, mutta sain aikaan oikeastaan enemmän tuhoa kuin hyötyä. Myös kokonaan uuden kartan luominen ei ottanut onnistuakseen, joten päätin hiiren hermoillani käyttää tuota raakiletta, jonka tunnilla rakensin.

Kartasta (kartta 1) voi siis lukea vihreällä kautta aikain tapahtuneet yli kahdeksan Richterin maanjäristykset, sekä punaisella kaikki tunnetut tulivuoret. Valitsin karttaan melko amerikka-sentrisen näkökulman, sillä mielestäni siinä kohtaa kuva näytti visuaalisesti miellyttävimmältä. Pinnallista! Vähääkään laattatektoniikasta tai maantieteestä jotakin tietävä kaveri voi heti bongata kuvasta Tyynenmeren tulirenkaan, jolla on paljon tektonista ja vulkaanista toimintaa. Muille infoksi: litosfäärilaattojen reunakohdat, Etelä-Amerikan ja Pohjois-Amerikan länsirannikko, Alaskan saarikaari, Aasian itäiset saaret merellä, sekä Uusi Seelanti, muodostavat Tyynelle valtamerelle tulirenkaan. Aivan kartan lounaisreunassa näkyy Uusi-Seelanti, joka sijaitsee Australian laatan ja Tyynenmeren laatan hankaussaumassa.

Kartan Pohjoisosissa taas on Tyynenmerenlaatan ja Pohjois-Amerikan laatan törmäyssauma, joka aiheuttaa paljon tulivuoria ja maanjäristyksiä. Tämä tapahtuma on synnyttänyt jo aiemmin mainitun Aleuttien saarikaaren, joka koostuu pääosin tuliperäisistä saarista. Pohjois-Amerikan länsi-rannikolla Juan de Fucan laatta ja Tyynenmeren laatta hankautuvat toisiaan vasten, joka aiheuttaa alueella maanjäristyksiä. Väli-Amerikan länsirannikolla törmäävät Cocon- ja Caribian laatta, ja niiden eteläpuolella Nazca-laatta painuu Etelä-Amerikan laatan alle.

Keskellä valtamerta on hotspot-tulivuoria, kuten Havaiji, Galapagossaaret ja Ranskan Polynesia. Lisäksi meressä voi nähdä Cocon laatan, Nazca laatan ja Etelämantereen laatan reunakohdat maanjäristysketjuina. Amerikkojen itäpuolella tulivuoria on erityisesti Caribian laatan itäreunassa, jonne on muodostunut vulkaaninen saarikaari. Lisäksi tulivuoria näyttäisi olevan hotspot alueilla Kanarialla, Islannissa ja Azoreilla.

Toiseksi viimeinen kurssikerta alkoi mukavissa merkeissä. Ulkona paistoi aurinko ja hieman masentavin mielin raahauduin kohti kurssisalia. Pakki-blogia selatessani huomasin kuitenkin ilouutisen; tällä kertaa mennään ulkoilmaan! Kurssikerran aluksi lähdimme siis pienryhmissä keräämään ulkoa omaa paikkatietoaineistoa. Tarkoituksena oli etsiä yli kymmenen saman muuttujan pistettä, meidän ryhmä päätyi keräämään bussipysäkkejä. Logistisista syistä päädyimme kuitenkin keräämään vain pysäkkien koordinaatteja. Apuna meillä oli GPS-paikannin, joka näytti tarkan sijainnin koordinaatein, sekä esimerkiksi paikan absoluuttisen korkeuden. Kävelimme mukavan lenkin Kumpulasta Arabianrantaan ja taas takaisin Toukolan lävitse. Saimme kerättyä mukavasti dataa, ja vain yksi korkeusluku tuntui hieman epäluotettavalta. Koululle palattuamme siirsimme tiedot Exceliin ja sitä kautta MapInfoon, joka piirsi meille kauniin kartan reitistämme sisältäen bussipysäkkien paikat tietoineen. Pisteet sai siirrettyä laitteelta koneelle myös digitaalisesti, mutta tällä kertaa keskityimme manuaalisen puolen harjoitteluun. Tämä olikin mielestäni oikein piristävä tapa aloittaa oppitunti.

Kun päiväkävely oli suoritettu, oli aika paneutua hieman toisenlaisiin asioihin. Kurssikansiosta lataamassamme ohjeessa oli kolme linkkiä, joidenka takana oli erinäistä tilastodataa. Yksi linkeistä johti Berkleyn yliopiston sivuille. Sivustolta pystyi hakemaan tilastoja maanjäristyksistä niiden voimakkuuden, tai vaikkapa tuoreuden mukaan. Muiden linkkien takaa pystyi etsimään tietoa tulivuorista ja meteoriittien putoamispaikoista samankaltaisten muuttujien mukaan. Koska paikkatietokurssilla olemme, tehtävänantona oli tietenkin muodostaa karttaesityksiä, joissa vertaillaan eri ilmiöiden suhteita toisiinsa. Oli toki myös mahdollista vertailla vain tietyn ilmiön, kuten vaikkapa maanjäristysten, määrän muutoksia eri voimakkuusasteikoilla.

Itse näppäränä poikana paukuttelin kaikki ilmiöt samaan karttaan sen enempää ajattelematta. Sain hommat tehtyä kurssikerran aikana ja olin kerrankin ylpeä itsestäni. Jes! Myöhemmin sitten aloin kirjoittelemaan tätä tekstiä ja totesin että olisi ollut kiva, jos olisi ollut esittää useampi kuin vain yksi kartta. Eikä edes siinä yhdessä kartassa ollut legendaa. Se siitä ylpeydestä. Aloin pari viikkoa myöhemmin siis muokkaamaan tekemääni karttaa, mutta sain aikaan oikeastaan enemmän tuhoa kuin hyötyä. Myös kokonaan uuden kartan luominen ei ottanut onnistuakseen, joten päätin hiiren hermoillani käyttää tuota raakiletta, jonka tunnilla rakensin.

Kuva 1. Kartalla punaiset kolmiot esittävät tulivuorien paikkoja ja vihreät kolmiot yli 8 Richterin maanjäristysten sijainteja.

Kartasta (kartta 1) voi siis lukea vihreällä kautta aikain tapahtuneet yli kahdeksan Richterin maanjäristykset, sekä punaisella kaikki tunnetut tulivuoret. Valitsin karttaan melko amerikka-sentrisen näkökulman, sillä mielestäni siinä kohtaa kuva näytti visuaalisesti miellyttävimmältä. Pinnallista! Vähääkään laattatektoniikasta tai maantieteestä jotakin tietävä kaveri voi heti bongata kuvasta Tyynenmeren tulirenkaan, jolla on paljon tektonista ja vulkaanista toimintaa. Muille infoksi: litosfäärilaattojen reunakohdat, Etelä-Amerikan ja Pohjois-Amerikan länsirannikko, Alaskan saarikaari, Aasian itäiset saaret merellä, sekä Uusi Seelanti, muodostavat Tyynelle valtamerelle tulirenkaan. Aivan kartan lounaisreunassa näkyy Uusi-Seelanti, joka sijaitsee Australian laatan ja Tyynenmeren laatan hankaussaumassa.

Kartan Pohjoisosissa taas on Tyynenmerenlaatan ja Pohjois-Amerikan laatan törmäyssauma, joka aiheuttaa paljon tulivuoria ja maanjäristyksiä. Tämä tapahtuma on synnyttänyt jo aiemmin mainitun Aleuttien saarikaaren, joka koostuu pääosin tuliperäisistä saarista. Pohjois-Amerikan länsi-rannikolla Juan de Fucan laatta ja Tyynenmeren laatta hankautuvat toisiaan vasten, joka aiheuttaa alueella maanjäristyksiä. Väli-Amerikan länsirannikolla törmäävät Cocon- ja Caribian laatta, ja niiden eteläpuolella Nazca-laatta painuu Etelä-Amerikan laatan alle.

Keskellä valtamerta on hotspot-tulivuoria, kuten Havaiji, Galapagossaaret ja Ranskan Polynesia. Lisäksi meressä voi nähdä Cocon laatan, Nazca laatan ja Etelämantereen laatan reunakohdat maanjäristysketjuina. Amerikkojen itäpuolella tulivuoria on erityisesti Caribian laatan itäreunassa, jonne on muodostunut vulkaaninen saarikaari. Lisäksi tulivuoria näyttäisi olevan hotspot alueilla Kanarialla, Islannissa ja Azoreilla.

Lähteet:

Berkley University, http://quake.geo.berkeley.edu/anss/catalog-search.html

NOAA, https://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5

 

Hikeä ja kyyneleitä

Tällä viikolla sovellettiin aiemmin opittua, kun MapInfon käyttöä harjoiteltiin itsenäistehtävien avulla. Alku oli hyvin kankea ja olo oli välillä todella turhautunut, kun tuntui ettei homma vain edisty, vaikka kuinka yritti. En saanut läheskään kaikkia tehtäviä tehtyä tunnin aikana, kun homma pysähtyi vähän väliä. Olisi varmaan pitänyt teininä käyttää tietokonetta muuhunkin kuin mesettämiseen, niin ehkä tietokoneen ja erinäisien ohjelmien yleiset toimintaperiaatteet olisivat nyt hieman tutumpia. Toki kaiken väärin tekemisessä on se hyöty, että yleensä niitä virheitä ei enää toista myöhemmin niin helposti, kun on kerran jo menettänyt uskon ja toivon oppimiseen.

Tiedostojen tuominen ja karttojen luominen ohjelmalla alkaa olla jo tuttua puuhaa, joka useimmiten sujuu ongelmitta. Teemakartat ovatkin helppo tapa havainnollistaa haluttua dataa, kartan tekijän on vain oltava tarkkana, jotta kartasta tulee riittävän informatiivinen, eikä se levitä ”väärää” tietoa. Toki on hyvä muistaa, että nykyisessä populismin värittämässä poliittisessa maailmassa myös kartoilla voidaan yrittää vaikuttaa, aivan tietoisesti. Tähän teemakartta onkin oiva väline, riittää vaikkapa että valitsee vain omaa agendaa parhaiten kuvaavan luokituksen.

Tietokantojen liittäminen yhteen sujuu myös silloin tällöin surutta, joskus kuitenkin tuntuu eteen tulevan käsittämättömiä ongelmia, joista ei vain pääse yli. Olisi pitänyt kirjoittaa itse jokaiselta tunnilta työohje, itse kirjoitetuilla ohjeilla työskentely tuntuu ainakin omasta mielestäni helpommalta. Nyt kun piti muistaa ja osata yhdistää useita aiemmin opittuja asioita, sormi meni suuhun vähän väliä, jolloin eteneminenkin oli hyvin tökkivää.

Bufferointi eli puskurivyöhykkeiden tekeminen ja niiden hyödyntäminen tuli tällä kertaa uutena asiana. Yksinkertaisesti toiminnolla pystytään selvittämään valittujen muuttujien määrä bufferin sisällä, kuten vaikka harjoituksessa käytetty asukkaiden määrä juna-asemien ympärillä. Toiminto on mielestäni hyvin hyödyllinen ja edustaa juuri sitä paikkatietoajattelua, joka minulla oli ennen kurssille tuloa. Mukavana oivalluksena tuli buffereiden käyttö lentokentän meluvaikutusten arvioinnissa. Lisäksi puskurivyöhykkeiden avulla voidaan selvittää esimerkiksi harkitun lähikaupan liiketilan sopivuutta suhteessa asukasmääriin tai vaikkapa lounasravintolan sijaintia suhteessa lähialueen työpaikkoihin.

Toistaiseksi MapInfo vaikuttaa toimivalta työkalulta paikkatiedon tarkasteluun, olettaen että ohjelmaa tosiaan osaa käyttää. Kehityskohteiden etsiminen on hankalaa, koska vertailukohtaa ei oikein ole, aiemmilla kursseilla käytetty CorelDraw on kuitenkin aivan eri käyttöön suunniteltu ohjelmisto. Paljon on myös kiinni käytetyistä aineistoista ja niiden lähteistä, aivan kuten Sonja Koivistokin blogissaan on todennut. Mitä tarkempi, uudempi ja laadukkaampi käytetty aineisto on, sitä todennäköisemmin myös tuotoksesta tulee onnistunut. Aineistojen yhteensopivuus myös ainakin helpottaa työskentelyä, kun dataa ei tarvitse muokata käsin.

Lähteet:

Koivisto Sonja, https://blogs.helsinki.fi/kosokoso/2017/02/20/bufferoinnin-alkeet-ja-itsenaista-analyysia/, julkaistu 20.2.2017, luettu 1.3.2017

Ruutuja, erikokoisia ruutuja

Tällä kertaa tavoitteena oli oppia tekemään ruutukarttoja, tuottamaan lisää uutta tietoa tietokantoihin, sekä kiinnittämään rasterikarttoja koordinaatistoon ja piirtämään näiden avulla. Työvälineenä tälläkin kertaa oli jo aiemmista yhteyksistä tuttu MapInfo. Tulin tunnille työkiireistä johtuen hieman myöhässä, enkä saanut omaa tietokonetta käyttöön tuntien ajaksi. Päätin kuitenkin jäädä kuuntelemaan ja teinkin muistiinpanoja työohjeista omalle tietokoneelleni. Tämä osoittautui hyväksi työtavaksi, sillä kun luento-osuuden jälkeen pääsin ohjaajan koneelle, pystyin nopeasti itse kirjoitettuja ohjeita seuraten tehdä saman, mitä muu ryhmä teki pikkuhiljaa ohjaajan ohjeita noudattaen. Olisinpa keksinyt tehdä tämän jo ensimmäisellä kurssikerralla, niin olisin säästynyt, ah, niin monelta päänsäryltä!

Luennon aikana loimme erilaisia ruutukarttoja, siis teemakarttoja, joissa jokainen ruutu värittyy sen arvon mukaisella värillä. Karttoja tehtiin erilaisilla ruutukoilla, jotta ymmärtäisimme ruutukoon valinnan tärkeyden karttaa tehdessä. Mikäli ruutukoko oli liian suuri, ei kartasta pysty näkemään ilmiön tarkkaa jakautumista esimerkiksi kaupunginosien kesken. Toisaalta jos ruudukko on liian pieni, tulee kartasta helposti sekava ja vaikealukuinen, kun ruutujen tarkka maantieteellinen sijoittaminen vaikeutuu. Kurssikerran lopuksi vielä valmistelimme hieman seuraavaa kurssikertaa ja rekisteröimme Pornaisten (rasteri)karttakuvan MapInfoon, ja merkitsimme sinne merkittävimmät tiet ja asuinrakennukset.

Palataan kuitenkin kurssikerran aikana tekemiini ruutukarttoihin. Karttapohjana ja tietokantana kaikilla oli käytössään pääkaupunkiseudun kunnat Helsinki, Vantaa, Espoo ja Kauniainen. Harjoituskerran ruutukokona kaikilla oli 500 metriä kertaa 500 metriä, mutta nyt oli tosiaan tarkoitus tehdä kaksi karttaa eri ruutukoilla. Itse valitsin muuttujaksi pääkaupunkiseudun 18-vuotiaat, sillä minua kiinnosti toiselta asteelta valmistuvien alueellinen sijoittuminen. Halusin luoda tekemieni karttojen välille suuren kontrastin, joten valitsin ruutukooksi ensimmäiseen karttaan 250 metriä kertaa 250 metriä. Toisen kartan ruudut tein neljä kertaa suuremmiksi, 1000 metriä kertaa 1000 metriä. Ruutukoon merkityksen havainnollistamisen kannalta valinta oli oiva, kartan luettavuuden ja informatiivisuuden suhteen ei niinkään.

Kartoista ikään kuin suurimittakaavaisempi, 250×250 ruudukollinen kartta kertoi kyllä hyvin tarkasti 18-vuotiaiden sijoittumisen kaupunkeihin, mutta sen lukeminen osoittautui melko hankalasti. Zoom-työkalu oli lähes välttämätön, jos halusi tarkastella ruutujen sijaintia tarkemmin, sillä muutoin ruudut hukkuivat toisiinsa. Muutoinkin tuo käyttämäni ruutu on maantieteellisesti melko pieni alue, joka kattaa käytännössä vain muutaman kerrostalon ja koska otantakin oli melko pieni, vain yksi ikäluokka, ei muuttujien luvut ruuduittain nousseet kovin suuriksi. Ruudukolla olisikin voinut tutkia esimerkiksi Helsingin kantakaupungin 18-vuotiaiden sijoittumista kortteleittain, mutta lähiöissä tai omakotitalovaltaisilla alueilla kartta ei olisi ollut kovin hyödyllinen.

Kuten edellä mainitsin, toisessa laatimassani kartassa (kuva 1.) ruutukoko on 1 kilometri kertaa 1 kilometri. Nämä ruudut varsinkin kantakaupungin alueella ovat melko suuria, joten nyt kartta kertoo hieman valheellisen kuvan ikäluokan sijoittumisesta, sillä mitä todennäköisemmin tiheästi asutussa kantakaupungissa myös kahdeksantoistavuotiaita sijoittuu enemmän neliökilometrin ruudulle, toisin kuin esimerkiksi syrjäisemmillä seuduilla. Pääkaupunkiseudun kahdeksantoistavuotiaiden klustereita näkee kartalta useita. Kantakaupungissa ja sen läheisyydessä erottuvat Töölön alue, Munkkivuori sekä Kruununhaka-Alppila alue etelä-pohjoissuunnassa. Edellä mainituilla alueilla asuu vaurasta keskiluokkaa, lisäksi alueilta löytyy useita haluttuja lukioita. Alppilan ja Kallion alueella todennäköisesti on myös yksin asuvia kahdeksantoistavuotiaita, sillä alue on nuorison suosiossa ja kaupunginosassa on muutamakin erikoislukio, joihin hakee opiskelijoita muualtakin kuin pääkaupunkiseudulta. Itä-Helsingissä tummempina alueina kartalla näkyvät esimerkiksi Laajasalo, Herttoniemi, Rastilan ja Vuosaaren alue, sekä Jakomäen ja Kontulan alue. Näille alueille yhteistä on melko tiivis ja lähiömäinen kaupunkirakenne, sekä edulliset asumiskustannukset etenkin itäisissä osissa. Pohjois-Helsingissä ja Vantaalla kahdeksantoistavuotiaita on eniten Paloheinässä, Tapanilassa, Simonkylässä, Metsolassa, Rekolassa, sekä Kivistössä ja Keimolassa. Alueita yhdistää pientalovaltaisuus, lisäksi etenkin Vantaan puolella asuinalueet ovat melko uusia ja ovat näin pystyneet vetämään puoleensa lapsiperheitä. Viimeisenä, muttei vähäisimpänä, aina yhtä hämyisen Espoon alueen keskittymät. Espoosta oli vaikeaa löytää kunnollista kaupunginosakarttaa, osin varmaankin siksi, ettei se ainakaan helsinkiläisestä näkökulmasta oikein kaupunki olekaan (huom. kirjoittajan mielipide, ei edusta Helsingin yleistä kantaa). Tässä kirjoituksessa käsittelen siis Espoota kaupungin omien nettisivujen kaupunkikeskus-luokituksen mukaisesti, joka tosin on melko suurpiirteinen. Espoossa on vain kaksi karttaluokituksen tumminta aluetta, Espoonlahden länsiosa, sekä alue Matinkylän ja Tapiolan rajalla. Korkeimman kvantiilin vähäisyys selittynee Espoon hajanaisella kaupunkirakenteella, vaikka kaupungissa tosin on myös vähemmän asukkaita, kuin edellä mainituissa verrokeissaan. Korkeimman kvantiilin alueilla Espoossa asutus on kuitenkin melko tiivistä, esimerkiksi kerrostalot ovat yleisiä asuntokannassa. Hieman yllättäen Otaniemi ei nouse korkeimpaan kvantiiliin, todennäköisesti jos otanta olisi esimerkiksi 20-vuotiaat, alue erottuisi kartalta selkeimmin.

Kuva 1. Pääkaupunkiseudun 18-vuotiaat 1kmx1km ruuduilla.

 

Kahdesta luomasta ruutukartasta totesin siis ruutukooltaan suuremman luettavuuden kannalta paremmaksi. Kaikkein informatiivisin kartta olisi kuitenkin mielestäni ollut, mikäli ruutukoko olisi ollut vielä hieman pienempi, esimerkiksi 500 metriä kertaa 500 metriä. Silloin varsinkin Helsingissä olisi voinut tutkia paremmin 18-vuotiaiden sijoittumista myös kaupunginosien sisällä. Toisaalta tämä ruutukoko, niin kuin tosin kaikki muutkin, olisivat aiheuttaneet epätasapainoa muiden kuntien harvaanasuttujen alueiden ja kantakaupungin välillä. Totuus kun on, mitä enemmän ruudussa asuu ihmisiä, sitä todennäköisemmin myös valitun muuttujan määrä kasvaa, olettaen että kyseessä on jokin ihmiseen liittyvä muuttuja. En huomannut merkitä karttaan ruutukokoa, joka kuitenkin mielestäni olisi hyvä liittää legendaan, jotta kartan tulkinta helpottuisi. Absoluuttisten lukujen käyttö ruutukartassa on mielestäni perusteltua, sillä ruudut ovat aina saman kokoiset, joten pinta-alan aiheuttamia vääristymiä luvuissa ei ole.

P.S. Kuvan laatu lähentelee jälleen ripulia, kuinka vaikeaa on tallentaa se oikein?

Tilastoista kartalle

Tällä kertaa kurssinkerran tarkoituksena oli tutustua tarkemmin tilastoihin ja erityisesti eri tilastojen yhdistämiseen jo hieman tutuksi tullella MapInfo-ohjelmalla. Tilastojen ja taulukoiden tuominen ja käsittely tuntuivat helpolta opettajan ohjauksella, mutta yksin tehtäessä sormi meni aika nopeasti suuhun. Kartta tästäkin kurssikerrasta saatiin kuitenkin aikaiseksi, tällä kertaa tulvaindeksikartta, jossa yhdistettiin koropleettikartan ja diagrammien ominaisuuksia. Kartogrammin koropleettiosiosta voi lukea varsinaisen tulvaindeksin valuma-alueittain, pylväistä taas voi vertailla valuma-alueiden järvisyyttä. Tulvaindeksiin laskemiseen tarvittavat matemaattiset lyhenteet nostivat aluksi karvat pystyyn ja hikikarpalot otsalle, mutta hetken syventymisen jälkeen totesin laskemisen olevan ehkä tehtävän helpoin osa, kiitos ohjelman automatiikan. Q on tosiaan virtaaman yksikkö ja MQ tarkoittaa keskivirtaamaa. Vielä yhden kirjaimen lisäämällä saadaan MHQ, joka tarkoittaa keskiylivirtaamaa, kun taas MNQ keskialivirtaamaa. Tiistai ei myöskään ollut minun ja tietokoneen vahvin yhteistyöpäivä, ohjelma päättikin kaatua juuri saatuani kartogrammini valmiiksi, joten pääsin harjoittelemaan taulukkolaskentaa ja kartantekoa vielä uudelleen.

Opettajan ohjauksella käsittelimme tunnin aikana mielenkiintoista Afrikka-aiheista tietokantaa, josta oli luettavissa maanosan timanttikaivokset, öljykentät, konfliktialueet, sekä internetin ja Facebookin käyttäjämäärät. Kurssikerran toisena tehtävänä oli pohtia mitä annetuilla tiedoilla voisi tehdä, mikäli tietokantaan olisi lisätty tietoa esimerkiksi konfliktien laajuudesta ja tapahtumavuodesta, timanttikaivosten löytövuosi ja tuottavuusluokittelu sekä öljykenttien tuottavuusluokittelut ja löytö- sekä poraamisvuodet. Kartalle tuotuna jo nykyisistä tiedoista pystyi selvästi näkemään korrelaation timanttikaivosten ja konfliktialueiden välillä. Mikäli tietokantaan olisi lisätty vielä edellä mainittuja esimerkkitietoja, voisi tilastosta tai kartasta helposti selvittää, onko konfliktin aiheuttanut timantti- tai öljyalueilla niiden löytäminen, vai poraamisen tai kaivausten aloittaminen. Tuottavuusluokittelut lisäämällä voisi myös nähdä, ovatko tuottavat kaivokset aiheuttaneet konflikteja mahdollisen eriarvoistumisen myötä ja onko esimerkiksi internetkäyttäjien määrä noussut tuottavuuden ja näin ollen mahdollisen varallisuuden noustessa. Tässä tapauksessa täytyy toki olettaa, että jotain kaivosten/kenttien tuotoista jää myös kohdealueelle, mikä ei ole lainkaan itsestään selvää.

Kuva 1. Suomen valuma-alueet, tulva-alttius ja järvisyys.

Itsenäistyönä tekemästäni kartasta (kuva 1) voi tutkia, kuinka tulva-alttiita eri valuma-alueiden laskujoet ovat, sekä vertailla tulva-alttiuden suhdetta alueen järvisyyteen. Valitsin luokitukseksi karttaan luonnolliset välit, sillä Aurajoen valuma-alueella tulvavaara on merkittävästi muita suurempi ja halusin tämän myös näkyvän kartalla. Edellä mainittu valuma-alue muodostaakin yksin oman luokan, alemmissa luokissa on sen sijaan melko tasaisesti 16-23 valuma-aluetta. Jo nopeasti vilkaisemalla voi todeta, että tulvariski on sitä suurempi, mitä pienempi alueen järvisyysprosentti on. Esimerkiksi Vuoksen alue, jolla sijaistee muun muassa Saimaa, kuuluu alimpaan luokkaan. Tulva-altteimmat alueet, jotka näkyvät kartassa tummempina, löytyvät maamme rannikoilta, pieniltä valuma-alueilta joilla ei ole suuria vesistöjä. Näitä alueita ovat erityisesti Helsinkiä ja Turkua ympäröivät alueet, sekä Keski-Pohjanmaa. Rannikon lisäksi alueita yhdistää melko tasaiset pinnanmuodot, jolloin vesi virtaa hitaammin ja synnyttää myös helpommin tulvia. Kaupunkiympäristöissä tulvariskiä lisäävät myös vettä läpäisemättömät asfaltoidut pinnat. Keski- ja Itä-Suomea suuremmassa tulvariskissä ovat myös Lapin valuma-alueet, jossa aivan kuten Iivari Laaksonen ( Laaksonen 2017) blogissaankin mainitsi, jääpadot aiheuttavat helposti tulvia laskujoissa.

 

Lähteet:

Laaksonen, I. (2017). 3. Kurssikerta. https://blogs.helsinki.fi/iilaakso/ luettu 5.2.2017

Katsaus Kymenlaakson elinkeinorakenteeseen ja koropleettikarttojen päällekkäisyyden pohdintaa

Toinen kurssikerta toi mukanaan uusia teemakarttoja, lisää harjoituksia ja uutta varmuutta MapInfon käyttöön. Tällä kertaa teimme esimerkiksi 3D-karttoja, grid-karttoja ja päällekkäisiä koropleettikarttoja. Karttojen teko oli melko helppoa, ohjelma teki jälleen lähes kaiken puolestani, vain hienosäätö jäi omille harteille. Jopa kuntien nimet lisättiin karttapohjaan automaattisesti.

Itsenäisenä tehtävänä kurssikerralla tuli tehdä teemakartta, jossa oli käytetty kahta eri teemaa. Itse päädyin tekemään kartogrammin (kuva 1) kotimaakuntani Kymenlaakson työpaikoista. Valitsin MapInfosta karttapohjaan vain Kymenlaakson kunnat, jotta kartta olisi tarpeeksi selkeä ja helppolukuinen. Loin koropleettikartan, johon poimin kunkin kunnan työpaikkojen määrän. Vähiten työpaikkoja on oletetusti kunnista Miehikkälässä, joka on myös valitun alueen pienin kunta. Alueen kunnista suurin niin pinta-alaltaan, kuin asukasluvultaankin on Kouvola, jossa myös loogisesti on eniten työpaikkoja. Tein karttani värivalinnan ehkä hieman typerästi, sillä Kouvola on kartassani kellertävä ja Miehikkälä tummanvihreä. Ainakin itselleni nyt jälkeen päin ajateltuna vihreä tuo mieleen positiivisemman kuvan kuin keltainen, joten pikaisella vilkaisulla voisi olettaa, että Miehikkälässä olisi työpaikkoja enemmän, kuin Kouvolassa.

Kuva 1. Elinkeinorakenne ja työpaikat Kymenlaaksossa.

Koropleettikartan päälle tein kunkin kunnan kohdalle ympyrädiagrammit kuntien elinkeinojakaumista. Mielestäni näillä tiedoilla kartogrammi antaa hyvän kuvan maakunnan työpaikkojen jakautumisesta. Palvelusektori on suurin työllistäjä jokaisen kunnan alueella, mutta hieman yllättävästi sekundaarituotannolla oli suurin prosentuaalinen osuus Iitissä, eikä kaupunkimaisissa kunnissa Kouvolassa, Kotkassa tai Haminassa, joista kaksi jälkimmäistä ovat vieläpä satamakaupunkeja. Alkutuotannon osuus on odotetusti suurin maalaiskunnassa Miehikkälässä, jossa se kattaa yli neljänneksen elinkeinojakaumasta. Edellä mainituissa kaupunkimaisissa kunnissa alkutuotannon osuus on vain muutamia prosentteja, vaikka esimerkiksi Kouvolaan on viime vuosikymmenellä liitetty useita pienempiä kuntia, kuten Jaala, joilla alkutuotanto on ollut tärkeä elinkeino. Palvelusektori on suurin maakunnan eteläisillä alueilla, Virolahdella, Haminassa ja Kotkassa, jossa se työllistää noin kolme neljäsosaa työikäisistä.

Kokonaisuutena kartogrammini on mielestäni melko onnistunut, hieman arveluttavia värivalintoja lukuun ottamatta. Jos karttaan lisäisi vielä kuntien työssäkäyvän väestön määrän, voisi kartasta myös tutkia kuinka paljon kuntien välillä todennäköisesti pendelöidään. Ilman näitä lukuja voisi kuitenkin arvioida, että ainakin Miehikkälästä ja Pyhtäältä käydään jonkin verran kunnan ulkopuolella töissä, sillä molemmissa työpaikkoja on alle 1300, mutta varsinkin Pyhtäällä asukkaita on varmasti paljon runsaammin.

Päällekkäiset koropleettikartat

Kurssinkerran toisena tehtävänä oli tutustua kahden päällekkäisen koropleettikartan käytöstä kertovaan artikkeliin (Leonowicz 2006), kirjoittaa siitä reaktiopaperi ja pohtia yleisesti karttojen visuaalisen ilmeen vaikutusta niiden luettavuuteen. Artikkeli kertoi puolalaisesta tutkimuksesta, jossa haluttiin selvittää kahden päällekkäisen koropleettikartan luettavuutta verrattuna tavalliseen koropleettikarttaan. Tutkimuksen tuloksena todettiin, että mikäli kartta on hyvin suunniteltu ja luokkia on tarpeeksi vähän, päällekkäinen koropleettikartta on tehokas tapa esittää kahden eri asian alueellisia yhteyksiä.

Mielestäni artikkelissa käytetty esitystapa oli mielenkiintoinen. Olen todennäköisesti kyllä törmännyt vastaaviin karttoihin aiemminkin, mutta olen sivuuttanut ne lyhyellä vilkaisulla. Artikkelin esimerkkikartasta voi hieman harjaantuneemmalla silmällä helposti lukea Puolan maalla asuvien ja nuorison välistä suhdetta. Kartan legenda, ja erilliset koropleettikartat auttavat huomattavan paljon tulkinnassa. Legendan kuvaaja kertoo kartassa käytettyjen värien selitykset. Mitä vaaleampi väri on, sitä vähemmän asukkaista on nuoria ja sitä pienempi osa väestöstä asuu maaseudulla. Päinvastoin mitä tummemmaksi väri menee, sitä suurempi osa väestöstä on nuoria ja asuu maaseudulla. Punainen väri viittaa nuoriin, ja sininen maaseutumaiseen asutukseen. Kaupunkialueet on merkitty karttaan keltaisella.

Vaikka legendan tarkka tutkailu auttaakin kartan lukemisessa, voi ummikolle karttaan tutustuminen olla kuitenkin hieman haastavaa. Mikäli kartanlukutaito ei ole kovin kehittynyt, eikä ole matemaattisesti erin valveutunut, voi legendan kuvaajan tulkitseminen olla vaikeaa, ja tätä myöden myös kartan värien tulkinta on haasteellista. Itsekin jouduin käyttämään hetken kuvaajan ymmärtämiseksi, mutta sen yläpuolella olevat erilliskartat auttoivat värien ymmärtämisessä. Normaalia laajempi legenda on siis mielestäni tässä tapauksessa hyvin tarpeellinen ja yhdessä nämä tiedot luovatkin hyvän pohjan kartan luvulle.

Yleisesti lähteenä ollut artikkeli oli mielestäni melko helppolukuinen ja hyvin kirjoitettu. Kirjoittaja kävi läpi karttaesityksen ongelmallisuutta ja historiaa, sekä esitti kehitysehdotuksen, jonka pohjalta suoritettiin tutkimus. Etsin myös artikkelissa viitatun Olsonin kartan vuodelta 1981, joka kuvaa Yhdysvaltojen maatilojen kokoa suhteessa maatiloilla tuotetun tavaran arvoon. Kartan legenda on huomattavasti vaatimattomampi, ja Leonowiczin käyttämän 9 luokan sijaan luokkia on 16. Useat luokat tekevät kartasta hyvin värikkään, eikä legenda kerro värien arvoja riittävän selkeästi. Myös Leonowiczin legendassa olevat selitekoropleettikartat loistivat poissaolollaan, niiden avulla olisin itse ainakin saanut kartasta enemmän irti.

Lähteet:

Leonowicz, Anna (2006) ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” 30.3.2006 https://moodle.helsinki.fi/pluginfile.php/1537276/mod_resource/content/0/KK2/Geog_033_037_spalvotas.pdf Luettu 25.1.2016.

Paikkatiedon ensiaskeleet

Paikkatiedon hankinta, analyysi ja kartografia kurssi käynnistyi MapInfo-ohjelman harjoittelulla. MapInfo on yksinkertainen ohjelma paikkatiedon tuottamiseen ja käsittelyyn. Aloitimme harjoittelun tekemällä teemakarttoja. Harjoittelun päätteeksi jokainen oppilas teki teemakartan valitsemastaan aihealueesta, itse päätin tehdä kartan vuonna 2010 tietoon tulleista rikoksista.

Kartassani (kuva 1) pohjana on maamme kartta ja tarkka kuntajako. Kuvassa violettina näkyvät kunnat, joissa tietoon on tullut vain alle 100 rikosta, tällaisia kuntia on yhteensä 60. Asteikko muuttuu sitä vaaleanpunaisemmaksi, mitä enemmän kunnassa on tapahtunut rikoksia. Erilaisia luokkia on yhteensä 5, joista suurimmassa rikoksia on tullut tietoon 16 800 – 83 600 vuoden 2010 aikana. Korkeimmassa luokassa on vain 5 kuntaa, jotka loogisesti ovat maamme suurimpia kaupunkeja, kuten Helsinki, Turku ja Tampere. Käytin kartassani luonnollista luokitusta, sillä suurimpien ja pienimpien rikosmäärien välillä oli niin valtava ero, että muissa luokituksissa kartta ei olisi mielestäni näyttänyt oikeaa kuvaa rikollisuuden määrästä. Kuitenkin karttani on näinkin melko disinformaativinen, juuri noiden suurimpien kaupunkien väkilukujen takia. Olisi todennäköisesti kannattanut muuntaa rikosten määrät suhteutetuksi asukaslukuun, aivan kuin Sanni Väisänen oli blogissaan (Väisänen, 2017) keksinyt tehdä.

Kuva 1 – Tietoon tulleet rikokset kunnittain 2010.

Informatiivisimmillaan karttani onkin mielestäni tarkasteltaessa keskikokoisten kuntien välistä tilannetta, jolloin samankokoisten kuntien välillä näkyy selviä eroja. Esimerkiksi kaakkoissuomessa sijaitsevat Luumäki (100–600 rikosta) ja Virolahti (600–2300 rikosta) ovat asukasluvultaan melko samankokoisia kuntia, mutta kartalla ne jakautuvat eri luokkiin. Tätä eroa voi toki osin selittää vilkas liikenne Virolahden läpi kulkevalla valtatie 7:llä, jolla liikkuu paljon myös kansainvälistä liikennettä.

Tein myös aineistostani histogrammin internet-työkalulla. Histogrammin lukeminen osoittautui kuitenkin mielestäni melko vaikeaksi, juurikin ääripäiden suuresta erosta johtuen. Suomessa on useita pieniä kuntia, joissa rikoksia ei kirjattu vuoden 2010 aikana yhtäkään, mutta toisaalla, esimerkiksi Helsingissä, rikoksia tilastoitiin vuoden aikana jopa 83600. Tämä fakta teki histogrammista hieman erikoisen näköisen, mutta kuvasta silti näkee selvästi että suurimmassa osassa Suomen kuntia rikoksia kirjataan alle 2500 vuodessa.

Karttojen laatiminen itsessään oli mielestäni teknisesti helppoa, sillä ohjelma teki lähes kaiken muutamalla hiiren klikkauksella ja ohjaaja demonstroi selkeästi jokaisen tehtävän. Suurinta vaivaa tuotti riittävän havainnollistavien värien valita, sekä oikean ja informatiivisen luokittelun valinta.  Huomasin, että tarkasti ohjeita seuraamalla pystyin tekemään helposti esimerkiksi histogrammin, joten tehtävien tekeminen selkeillä ohjeilla onnistuisi todennäköisesti myös itsenäisesti.. Ainakin johonkin asti.

Kokonaisuutena ensimmäinen kurssikerta oli mielestäni sopivan kevyt tutustuminen ohjelman käyttöön, eivätkä neljä tuntia tuntuneet liian raskailta viettää pienessä luokassa. Tältä kurssikerralta opin myös tallentamaan kaikki tiedostot samaan kansioon, hukkasin nimittäin tekemäni histogrammin jonnekin verkon syövereihin.

Lähteet:

Väisänen, Sanni (2017) ”Kurssikerta 1. Kohti paikkatietoa ja sen yli!” 23.1.2017

https://blogs.helsinki.fi/sannivai/ luettu 25.1.2017