2. kurssikerta: Kaksi päällekkäistä teemaa

Toisella kurssikerralla pureuduimme syvemmälle MapInfon ihmeelliseen maailmaan tekemällä monimutkaisempia teemakarttoja. Kun ensimmäisellä kerralla teimme yksinkertaisen koropleettikartan yhdestä teemasta, nyt pääsimme tutustumaan moniin muihinkin mahdollisiin karttaesityksiin.

Suurimman osan kurssikerrasta harjoittelimmekin yhdessä opettajan johdolla, miten erilaisia karttoja MapInfolla tehdään. Saimme kokeilla erilaisia vaihtoehtoja kaksiteemaisesta kartasta 3D-esitykseen. Oli mielenkiintoista nähdä, kuinka paljon erilaisia esitysvaihtoehtoja löytyy samalle aineistolle ja kuinka helppoja ne oli loppuen lopuksi toteuttaa. Välivaiheita ja yksityiskohtia oli kuitenkin sen verran, että voin arvella myös virheiden tekemisen olevan helppoa.

Itse tehtävä tällä kurssikerralla oli tehdä teemakartta, jossa on kaksi teemaa päällekkäin. Ohjeistus ”käytä kaikkea sitä oppimaasi, mitä tiedät teemakarttojen tekemisestä” muodosti kieltämättä pieniä paineita. Esitettäväksi alueeksi valitsin Uudenmaan maakunnan, mutta itse teema oli vaikeampi keksiä. Ajattelin ensin tehdä ympyräkartogrammin ikäluokkien jakaantumisesta, mutta äkkiä tässä prosessissa tuli Corelia ikävä. Kokelin useampaa eri teemaa ja esitystyyppiä, mutta MapInfo ei ollut useinkaan samaa mieltä, vaan päätti kaatua useamman kerran.

Lopulta sain valittua kahdeksi teemakseni työttömyysasteen ja korkea-koulutettujen osuuden väestöstä. Kummatkin aineistot muodostavat epämääräisen jakauman, joten käytin kummassakin luokittelutapana luonnollisia luokkavälejä (kuva 1, kuva 2).

kk2_histog1

Kuva 1. Histogrammi työttömyysasteesta Uudenmaan kunnissa vuonna 2010 (Histogrammityökalu 2014, Työssäkäyntitilasto 2010).

 

kk2_histog2

Kuva 2. Histogrammi korkea-asteen tutkinnon suorittaneiden osuudesta Uudenmaan kunnissa vuonna 2010 (Histogrammityökalu 2014, Oppilaitostilastot 2010).

Työttömyysasteen esitin kolmeluokkaisena koropleettikarttana. Enemmän kuin kolme luokkaa olisi tehnyt kaksiteemaisesta kartasta vaikeasti luettavan, varsinkin kun MapInfon omia värityksiä ja rastereita on joskus vaikea erottaa toisistaan. Esityksen väritykseksi valitsin kirkkaan punaisesta vaaleampaan punaiseen muuttuvat sävyt. Hertta Lehvävirtakin blogissaan toteaa, että punainen koetaan ”hälyttäväksi” väriksi, ja siksi se sopiikin työttömyyden kuvaamiseen (Hertta Lehvävirta 2014). Haastavampaa oli toisen teeman, ”korkea-asteen tutkinnon suorittaneiden osuus väestöstä” merkitseminen kartalle. En millään meinannut löytää sopivaa esitysmuotoa, ja MapInfosta tuntui löytyvän yllättävän vähän rasterivaihtoehtoja. Lopulta päädyin valitsemaan pisterasterin, jossa arvon suuruus näkyy pisteiden etäisyydestä toisistaan (kuva 3).

Tyottomyysaste_Korkeanasteen_koulutus

Kuva 3. Teemakartta työttömyysasteesta ja korkeakoulutettujen osuudesta Uudellamaalla vuonna 2010 (Työssäkäyntitilasto 2010; Oppilaitostilastot 2010).

Tehdystä kartasta voidaan tehdä joitakin johtopäätöksiä, vaikka ihan selkeää korrelaatiota näiden kahden teeman välillä ei voi nähdä. Ainakin voi sanoa, että tässä esitetyissä kunnissa, joissa korkeakoulutettuja on yli 37,5 %, ei työttömyys kuulu hälyttävimpään luokkaan, eli luokkaan 8,3-11,2%. Kaikista eniten korkeakouluttautuneita on kartan mukaan Helsingissä, Espoossa, Kirkkonummella ja Kauniaisissa. Espoo, Kauniainen ja Kirkkonummi kuuluvat myös alhaisimman työttömyysasteen luokkaan. Mitä kauemmaksi mennään Helsingistä, sitä vähemmän kunnissa asuu korkeakoulutettuja, johtuen kai ainakin osittain siitä, että korkeakoulutettujen työpaikat sijaitsevat enimmäkseen pääkaupunkiseudulla. Helsinki ja sitä ympäröivät kunnat näyttävät myös työttömyyden kannalta parhaimmalta, poikkeuksena toisin Vantaa, joka kuuluu korkeimpaan työttömyyden luokkaan. Syyt tähän eroon voisivat olla esimerkiksi Vantaan ”huono maine” muuhun pääkaupunkiseutuun verrattuna ja korkea vieraskielisten työttömyys. Kartassa on otettava huomioon, että käytetty aineisto on vuodelta 2010. Nykytietojen mukaan kartta näyttäisi erilaiselta. Esimerkiksi Espoossa työttömyysaste oli marraskuun 2013 loppupuolella 7,6 % (Työttömyys kuukausittain 2014).

Täsmälleen samasta teemasta on tehnyt myös Laura Hintsainen (Laura Hintsainen 2014). Myös hänen karttansa koostuu kahdesta päällekkäisestä koropleettikartasta, jossa työttömyysaste esitetään punaisella sävyllä ja korkea-asteen tutkinnon suorittaneiden osuus pisterasterilla. Selkeä ero kartoissamme on siinä, että käytimme aineistoa luokitellessamme erilaista luokittelutapaa; minä luonnollisia luokkavälejä ja Laura tasavälistä luokitusta. Uudenmaan työttömyystilanne näyttää paljon paremmalta Lauran kartasta, sillä korkeimman työttömyysasteen luokkaan kuuluu vain 6 kuntaa. Erityisesti vantaalaiset ovat varmasti tyytyväisempiä tasaväliseen luokitukseen; Lauran kartassa Vantaa kuuluu samaan työttömyysluokkaan kuin Helsinki, eikä suinkaan korkeamman työttömyyden luokkaan. Teoriassa kummatkin luokittelutavat sopivat epämääräiselle jakaumalle. Tästä herää kysymys siitä, minkälaisen viestin kartan avulla halutaan välittää. Meneekö Uudellamaalla hyvin vai huonosti? Kartantekijä voi viedä lukijaa jompaankumpaan suuntaan.

Lauran kartta: https://blogs.helsinki.fi/lhintsan/files/2014/01/Kurssikerta-2-Työttömyys-ja-koulutus-e1390330706763.png>

Tällä kurssikerralla huomasin erityisesti, kuinka helppo erilaisia karttaesityksiä on tuottaa. MapInfo saa näyttämään kaiken yksinkertaiselta, vaikka oikeasti taustalla olisikin meneillään lukuisia prosesseja. Tekisi myös mieli valita aineiston esittämiseen jokin erikoinen ja visuaalisesti jännittävä kartta, kuten 3D-mallinnus, vaikka se ei kyseisen aiheen esittämiseen sopisikaan. Kuka tahansa pystyisi luomaan MapInfolla jonkinlaisen kartan tietämättä itse ohjelmasta yhtään mitään, mutta yhden pienen välivaiheen pois jääminen voi vaikuttaa dramaattisesti lopputulokseen ja varsinkin siitä tehtyihin päätelmiin. Pakko palata siihen, mitä mietiskelin ensimmäisenkin kurssikerran jälkeen; kuinka paljon ohjelmat vaikuttavat kartan lopputulokseen. Meidän on opittava kontrolloimaan paikkatieto-ohjelmia, jotta ne eivät kontrolloisi meitä!

 

Artikkeli kaksiteemaisista kartoista

Puolalainen tutkija Anna Leonowicz esittelee artikkelissaan kaksiteemaisen koropleettikartan ominaisuuksia ja etuja verrattuna yksiteemaiseen karttaan (Leonowicz, A. 2006).

Leonowiczin mukaan yksiteemaiset koropleettikartat ovat yleisiä kartografiassa, mutta eivät sovi monimutkaisempien ilmiöiden ja suhteiden kuvaamiseen. Kaksi teemaisessa koropleettikartassa esitetään kaksi teemaa samanaikaisesti. Kahden yksiteemaisen kartan vertaaminen toisiinsa aiheuttaa enemmän virheitä kuin tilanteessa, jossa teemat esitetään samalla kartalla.

Kaksiteemaisia karttoja pidetään kuitenkin vaikea lukuisina. Niitä on vaikeampi ymmärtää, erityisesti niiden poikkeavaa legendaa. Leonowiczin artikkeli kuitenkin kertoo, että huono luettavuus ei kuitenkaan johdu itse kaksiteemaisuudesta, vaan huonosta visualisoinnista. Kartoissa voi olla liian monta luokkaa, tai värit voivat olla epäloogisia tai epäselviä toisiinsa nähden. Sopivaksi luokkien määräksi Leonowicz esittää neljä tai yhdeksän luokkaa (2×2 tai 3×3). Värien pitäisi selvästi erottua toisistaan ja edustaa omaa luokkaansa. Esimerkiksi värit magenta ja syaani sopivat tähän tarkoitukseen.

Leonowicz teki tutkimuksen, jossa oli tarkoitus verrata yksiteemaisen ja kaksiteemaisen koropleettikartan käyttötarkoitusta. Tutkimuksen hypoteesi oli, että yksiteemaiset kartat esittävät paremmin ilmiöiden jakaantumista, kun taas kaksiteemaiset sopivat ilmiöiden välisten suhteiden esittelyyn, silloin kun ne on toteutettu oikein. Koehenkilöinä tutkimuksessa käytettiin 128 maantieteen opiskelijaa. Leonowiczin mukaan tulokset olivat hypoteesin mukaiset.

Kaksiteemaiset koropleettikartat tuntuvat olevan hyviä esittämistapoja, jos ne osataan tehdään oikein. On sitten eri asia, onko niiden tekeminen oikein helppoa. Taidokkaan kartanlaatijan lisäksi kartan lukijalta vaaditaan hyvää kartanlukutaitoa. Etenkin hankalalta näyttävä, kaksiteemainen legenda saattaa saada kokemattoman lukijan turhautumaan; se koostuu hajontakuviosta, jossa akselit esittävät arvoja kummastakin muuttujasta.

Mitä monimutkaisempi kartta on, sitä enemmän kartanlukija saattaa tehdä lukuvirheitä. Jessica Järvinen huomauttaa blogissaan, että tätä voidaan käyttää myös hyväksi: Jäin miettimään, että kuinka helppo kartalla olisi esittää ・väärää・ tietoa ja saada kartta näyttämään luotettavalta ilman oikeaa korrelaatioyhteyttä. Kartan esitystapaa voisi käyttää siis väärin laittamalla sellaiset muuttujat kartalle, joilla näyttäisi olevan yhteys kartan perusteella, mutta totuudessa yhteys olisikin vähäinen. Tällä tavoin voisi käyttää karttaa omiin tarkoitusperiinsä ja yrittää muokata ihmisten mielipiteitä.” (Jessica Järvinen 2014). Erityisesti kartanlukutaidottomia ihmisiä voidaan helposti johtaa harhaan kartoilla, jotka eivät ole kovinkaan yksiselitteisiä.

Kun katson omaa karttaani huomaan, että minulla on vielä paljon opittavaa. Onneksi on olemassa tälläisiä kursseja, joissa näitä taitoja on mahdollista kehittää. Muuten eksyisin nopeasti karttojen mahdollisuuksien sekamelskaan.

 

Lähteet:

Hertta Lehvävirta (2014.) Ensimmäinen kurssikerta: tutustumista MapInfoon, PAK 2014/ Hertan kurssiblogi. 20.1.2014 <https://blogs.helsinki.fi/herttale/ >

Histogrammityökalu (2014). < http://illuminations.nctm.org/Activity.aspx?id=4152 >

Jessica Järvinen (2014). Artikkeli 1, Jessican PAK-blogi. 8.3.2014. <https://blogs.helsinki.fi/jessicaj/>

Laura Hintsainen (2014) Kahden teeman teema kartat, Lauran PAK-blogi. 23.1.2014. https://blogs.helsinki.fi/lhintsan/

Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool for visualization of geographical realtionship. Geografija, 42:1, 33-37.

Oppilaitostilastot (2010). Tilastokeskus.

Työssäkäyntitilasto (2010). Tilastokeskus.

Työttömyys kuukausittain (2014). Espoon kaupunki. 20.1.2014. <http://www.espoo.fi/fiFI/Espoon_kaupunki/Tietoa_Espoosta/ Tilastot_ja_tutkimukset/Tyossakaynti_tyottomyys_ja_elinkeinot/Tyottomyys_kuukausittain(549)>

 

 

Leave a Reply

Your email address will not be published. Required fields are marked *