Month: March 2022

Kurssikerran tarkoituksena oli hyödyntää kurssilla saamiamme oppeja. Tuottaisimme kahdella erilaisella aineistolla karttoja.

Valitsin aineistot, jotka kiinnosti minua – siispä päädyin valitsemaan tietoja Euroopan eri maiden viikoittaisista työmääristä tunteina (aineisto 1). Toinen aineisto (aineisto 2) oli ihmisten kokemus omasta terveydentilastaan (very good, good, fair, bad).

Karttatulkintaa

Koska haluan tarkastella kaikkia Euroopan valtioita, jaan tulkinnassani Euroopan karkeasti Pohjois-, Itä-, Etelä- ja Länsi-Eurooppaan. Pohjoisosassa työtunteja kerääntyi vuonna 2019 30,8-36,9 tuntia (keskiarvo 33,9h). Itä-Euroopassa työtunteja oli 37,5-45,7 (keskiarvo 41,6h). Etelä-Euroopassa vuorostaan työtunteja kerääntyi 36,9-37,5 tuntia viikossa (keskiarvo 37,2h). Länsi-Euroopan työtuntimäärät olivat noin 30,8-37,5 tuntia (34,2).

Vähiten työtunteja voidaankin sanoa olevan Pohjois- ja Länsi-Euroopassa. Koetun terveydentilan osalta Pohjois- ja Länsi-Euroopan ympyrädiagrammit näyttivät samalta. Alueella ei kuitenkaan ollut poikkeuksellista eroa erittäin hyvän tai hyvän terveydentilan vastanneisiin suhteessa Itä- ja Etelä-Eurooppaan. Itä-Euroopassa ympyrädiagrammeista voidaan havaita eniten erittäin hyvän terveydentilan kokeneisiin suhteessa muuhun Eurooppaan. Toisaalta Itä-Euroopasta löytyy eniten myös huonon terveydentilan kokeneisiin. Etelä-Euroopassa näyttäisi olevan suuresti hyvän terveydentilan kokeneita ja kokonaiskuva näyttää aika samalta kuin Pohjois- ja Länsi-Euroopassa.

Vähiten huonon terveydentilan vastanneita löytyy Italiasta, Itävallasta, Ruotsista ja Iso-Britanniasta.

Syitä, joilla voi olla vaikutuksia tuloksiin:

• Terveydenhuolto: Itä-Euroopassa on heikompi terveydenhuoltojärjestelmä kuin muualla Euroopassa
• Tasa-arvo: Itä-Euroopassa ääripäät tuloksissa korostuu, muualla Euroopassa hieman tasaisemmat tulokset
• Infrastruktuuri: Itä- ja Etelä-Euroopan infrastruktuuri mahdollisesti heikompi kuin muualla Euroopassa.
• Työkulttuuri/kulttuuri: Totutut työmäärät voivat vaihdella
• Koulutus: Kouluttautumisen määrässä voi olla eroja esimerkiksi Pohjois-Euroopan ja Itä-/Etelä-Euroopan välillä. Tällä voi olla vaikutusta siihen, miten kyselyyn vastanneet ovat tarkastelleet omaa terveydentilaansa. Lisääkö tieto siis tuskaa?

Näitähän voisi pohdiskella kymmenen sivun verran, mutta jätetään se ensikertaan!

Näin lopetuksena voin todellakin sanoa oppineeni tällä luennolla paljon! Se, että saa työskennellä itselle mieluisan ja mielenkiintoisen datan parissa ja luoda siitä karttoja rajana vain QGIS-ominaisuudet, oli aika siistiä! Parasta oli myös se, että Arttu oli aivan huikkauksen päässä kokoajan.

– Anna

Ps. Jälleen oli ongelmia kuvien lataamisessa hyvälaatuisina suoraan postaukseen, joten kertokaa jos linkit eivät avaudu karttatuotoksiin! 🙂

Kartat:

Lähteet:

Eurostat, 2019. Database: Working time. https://ec.europa.eu/eurostat/web/lfs/data/database

Eurostat, 2019. Database: Self-perceived health by sex, age and educational attainment level. https://ec.europa.eu/eurostat/databrowser/view/hlth_silc_02/default/table?lang=en

Keräsimme luennolla pistetietoa sovellukseen nimeltä Epicollect5, jolla kerättyä dataa hyödynsimme QGIS-harjoitteissa pistemuotoisena sijaintitietona. Kerätty tieto oli mielenkiintoista, kuten koko prosessi itsessään – itsekerätystä tiedosta saatiin ihka oikea kartta tietoineen.

Liitteessä 1 on alueiden koetun houkuttelevuuden arvio Kumpulan ja Arabian alueella. Arvioita annettiin asteikolla 1-5 siten, että arvosana 5 oli asteikon paras tulos.

Liite 1

Lisäksi tuotin itsenäisenä tehtävänä sekä ohjattuna harjoitteena kartat hasardeista (liitteet 2 ja 3). Tarkoituksena oli opetella käyttämään omatoimisesti pistemuotoista aineistoa ja liittää se QGIS-ohjelmaan. Latasin maanjäristystietokannan (6-9 magnitudia), joka karttana esitti hieman voimakkaampien maanjäristysten sijainteja. Lisäksi tuotin kartan tulivuorien sijainneista maailmankartalla.

Liite 2

Liite 3

Olisin voinut tarkentaa hasardeja kuvaavia maailmankarttoja rajaamalla magnitudeja (liite 2) tarkemmin tai toisaalta jakaa tulivuoria (liite 3) esimerkiksi ominaispiirteidensä kautta (aktiiviset tulivuoret).

Ronja Sonninen pohti blogissaan kurssikerran itsenäisen työn vaivattomuutta. Nämä harjoitteet tosiaan tuntuivat edellisiä helpommilta ja yksinkertaisemmilta. Tämä voi johtua myös siitä, että olemme oppineet aiemmilla kurssikerroilla jo liittämään erimuotoista aineistoa QGIS-ohjelmaan – ei siis ollut haastavaa tuoda pistemuotoista aineistoakaan ohjelmaan kun oli hieman tietoinen siitä, miten tuo mahtaisi tapahtua. Toisaalta, kuten Ronja Sonninenkin sanoi tekstissään – tehtävien tekoa helpotti se, ettei datalle tarvinnut tehdä mitään tuodessaan sitä QGIS:iin.

Tsemppiä kaikille loppukurssille,

Anna

Ps. Jos liitteet eivät näy, kommentoithan asiasta! Minulla oli haasteita kuvien lataamisessa suoraan postaukseen. (:

Lähteet:

Sonninen, Ronja. (23.2.2022). Maanjäristyksiä ja tulivuoria. Ronjan GIS-blogi – Geoinformatiikan menetelmiin tutustumista. Haettu https://blogs.helsinki.fi/sronja/ 1.3.2022.