Artikkeli 1 (Kurssikerta 2)

Artikkelin tarkoitus oli esitellä kaksimuuttujaista koropleettikarttaa ja miten hyvin sillä saa visualisoitua erilaisia maantieteellisiä suhteita. Mielestäni oli hankalalukuista, että tärkeimmät kuvat (3 ja 4) oli sijoitettu aivan artikkelin loppuun. Nyt lukija joutuu hyppimään yrittäessään vertailla kuvien ja tekstien sanomaa. Itse kuvat olivat hyvin selkeät ja helppolukuiset. Tällaiseen karttaan kannattaa yhdistellä ilmiöitä, joita on järkevä ja mielenkiintoista tarkastella yhdessä. Lisäksi karttaan saa hyvin kuvattua näiden ilmiöiden kertymisen yhdessä, jolloin kaksi ilmiötä voidaan yhdistää eri luokiksi matalan-korkean osuuksien suhteen (myös keskiluokka voidaan ottaa mukaan).

Käsitteet tuntuivat helpoilta, koska olen lukenut tilastotiedettä ja ymmärsin esimerkiksi miten tilastollinen hajontakuvio (scattergram) lasketaan. Olen itseasiasiassa kerran tietämättäni nimeä käyttänyt tällaista kaksimuuttujaista koropleettikarttaa (siinä tosin kaksi muuttujaa eivät olleet mitenkään maantieteelliseen tietoon sidottuja, mutta idea oli sama). Tällaisen kartan etu on, että se auttaa havaitsemaan kahta ilmiötä samanaikaisesti ja myös niiden suhteita. Esimerkiksi artikkelissa käytettiin kahta ilmiötä: maaseudulla asuvien ja alle 18-vuotiaiden osuuksia Mazowsen alueella. Kartan legendoista (yksittäisen ilmiön selitykset) saadaan muodostettua 3×3-ruudukkolegenda, jolloin syntyi selkeitä luokkia, joista näkyi miten alle 18-vuotiaita asuu eniten maaseudulla (yläoikea) ja taas yli 18-vuotiaita enemmän kaupunkimaisemmassa ympäristössä (alaoikea). Myös karttakuva alueessa näyttää, mitkä paikat ovat edellä mainittuja alueita.

Tällainen teemakartta vaatii selkeää esittämistä: suurempi kuin 3×3-ruudukko tekee kartasta hankalalukuisen suuremman luokkakoon takia. Lisäksi värien on syytä olla selkeitä, ja sellaisia että ne saadaan yhdistettyä mielekkäällä tavalla. Kun verrataan luennolla käymiimme kartografisiin esityksiin, kaksimuuttujainen koropleettikartta näyttää hienolta sen takia, että siihen on saatu yhdisteltyä laskennallisesti kahden eri ilmiön osio. Tällainen kartta vaatii kuitenkin sellaisen aineiston, jolle voidaan laskea hajontakuvio (jatkuvat muuttujat). Kartta vaatii kuitenkin aina sen, että sen takana on osaava tekijä, joka tietää minkälaisella kartalla aineistoa saadaan kuvattua parhaiten. Ohjelmathan pystyvät tekemään vaikka minkälaisia karttoja, mutta tulkinta jää aina tekijälle. Onkin hyvä, että erilaisia vaihtoehtoja on olemassa.

Kurssikerralla otin aiheeksi tällä kertaa vertailuun Pirkanmaan työttömyyden ja kuntien välisen muuttovoiton (ei laskettu maahanmuuttoa kuntiin). Olen kotoisin Mänttä(-Vilppula)sta ja asunut myös Orivedellä lukioon asti (vuosi 2010 oli itseasiassa vuosi, jolloin muutin pois), joten minua kiinnosti tarkastella kotiseutuani. Luin Moron artikkelin siitä, kuinka Tampere menettää 12 miljoonaa euroa vuodessa, koska hyvätuloiset muuttavat naapurikuntiin (perustuu vuoden 2012 verotietoihin). Tässä kartassa näkyy myös sama ilmiö. Tampere on kyllä muuttovoittoinen, mutta alueelle muuttaa opiskelijoita ja työttömiä. Samaa näyttäisi tapahtuvan myös Valkeakoskella. Kotikuntani Mänttä-Vilppula ja Orivesi näyttäytyvät suhteellisen surullisena: korkea työttömyysaste ja muuttotappioisia. Pirkkala ja Lempäälä selvästi keräävät (hyväpalkkaisia) työllistä porukkaa todennäköisesti Tampereelta. Moron artikkeli sanookin: ” Varsinkin Pirkkalan verokirstu kiittää: ’Pirkanmaan Kauniaisiin’ muuttavien keskitulo on maakunnan korkein, 23 500 euroa vuodessa. Alati kasvava työmatkaliikenne kielii siitä, että moni jää työskentelemään Tampereelle, vaikka muuttaa asumaan naapurikunnan puolelle”.

Kurssikerta 1

Ensimmäisellä kurssikerralla tutustuimme MapInfoon. MapInfo oli minulle aivan uusi tuttavuus, ja vaikutti varsin toimivalta. Luennolta menty tahti sopi ainakin itselle: pysyin kokoajan kärryillä missä mennään. Luultavasti jouduin vielä kuitenkin kertaamaan, mikä nappi tekee mitäkin. Uuden ohjelman sisäistäminen vaatii minulta useamman toiston. Karttojen teko onnistui hyvin. Erityisesti pidin teemakarttojen teosta, koska pidän tilastojen katselusta. Viime viikkojen aikana Helsingin sanomien mielipideosasto on käynyt kuumana naisten oikeudesta valikoida puolisoaan (Saska Saarikosken kolumni aiheesta: http://www.hs.fi/paakirjoitukset/art-2000005050699.html). Naiset siis valittavat, ettei älykkäitä miehiä löydy ja miehet taas sitä, että naiset ovat liian nirsoja. Halusin sitten huvikseni katsoa, miltä näyttää naisten (ja miesten) osuus Suomessa: onko Suomessa alueellista jakaantumisesta jommankumman sukupuolen mukaan. Tulos näyttääkin siltä, että mahdollisimman tasainen sukupuolijakauma löytyy etelästä ja isojen kaupunkien läheisyydestä. Isot kaupungit varmasti keräävät niin opiskelijoita kuin nuoria työntekijöitäkin. Lappi sen sijaan näyttäytyy hyvin miesvoittoiselta (yksinäiset poromiehet?). Poikkeuksena on Rovaniemi ja Muonio. Rovaniemi on suhteellisen suuri kaupunki ja vielä opiskelijakaupunki, mutta Muoniolle en osaa arvailla syytä. Kenties sielläkin on joku isompi ammattilaitos, joka tasoittaa sukupuolijakaumaa? Tietenkään 44-48 % ei ole mikään järkyttävän iso poikkeama (alin luokka), joten näyttäisi siltä, että ihan hyvät mahdollisuudet vastakkaisen sukupuolen löytämiseen on omalla paikkakunnalla (muita kriteerejä ei ole tässä huomioitu).

Naisten osuus