Ensimmäinen kurssikerta: tutustumista MapInfoon

Tämä blogi on päiväkirjamuotoinen kurssiblogi, jonka tarkoitus on toimia alustana Paikkatiedon hankinta, analyysi ja kartografia -kurssilla toteutettaville tehtäville sekä kurssikertoihin ja tehtäviin pohjautuvalle kriittiselle oppimis-ja itseanalyysille. Kurssin tavoitteena on tutustuttaa opiskelijat paikkatiedon maailmaan sekä antaa käytännön kokemusta karttaohjelmien ja erilaisten paikkatietosovellutusten käytöstä.  Kurssilla toteutettavat tehtävät tulevat koostumaan sekä kuvallisista tuotoksista että niihin liittyvästä kirjallisesta analyysista, joiden julkaisualustana tämä blogi toimii. Kurssin aikana tulen siis seuraamaan ja erittelemään oppimisprosessiani tämän blogin puitteissa.

Ensimmäisellä kurssikerralla aloitimme tutustumisen MapInfo -ohjelman ominaisuuksiin ja mahdollisuuksiin sekä sen käyttöön paikkatietodatan saattamisessa esitettävään muotoon. Aluksi kävimme läpi ohjelman perusperiaatteita, rakennetta ja “työkalupakkia”, mikä tuntui tällaisesta MapInfo-noviisista äärimmäisen hyödylliseltä. Koska kyseinen ohjelma on minulle ennestään tuntematon, myös sen toimintalogiikka tuntui aluksi vieraalta ja haastavalta. Kurssikerralla edettiin kuitenkin rauhalliseen tahtiin ja harjoitukset toteutettiin ohjatusti askel askeleelta. Vaikka satunkin olemaan tietotekniikkaneron lähes täydellinen vastakohta, rauhallinen lähestymistapa toimi todistetusti myös allekirjoittaneen äärimmäisen puiseen päähän, sillä tehtäväksi saatu itsenäinen karttatyö oli loppujen lopuksi helppo toteuttaa. Myös .wor ja .tab -tiedostomuotojen ero selvisi tietämättömälle vihdoin.

Kurssikerran itsenäisesti toteutettava osuus oli karttatehtävä, jonka tehtävänantona oli tuottaa koropleettikarttaesitys MapInfolla vapaavalintaisen aineiston pohjalta. Valitsin aineistokseni Suomen kuntien työttömyysasteen vuodelta 2011. Histogrammityökalulla tulkittuna aineisto näytti normaalijakautuneelta, joten päätin säilyttää MapInfon ehdottaman kvantiileihin perustuvan luokittelun karttaesitykseni pohjana. Mielestäni kvantiileihin perustuva jako toi hyvin kuntien väliset erot ja alueellisen vaihtelun esiin, muttei virheellisesti korostanut yhtäkään luokkaa. Kvantiililuokittelun heikkoutena voidaan kuitenkin pitää sitä, että luokkavälien pituus saattaa vaihdella luokittain hyvinkin paljon. Oman normaalijakautuneen aineistoni kohdalla tämä tarkoitti sitä, että ääriluokkien sisäinen vaihtelu oli hyvinkin voimakasta, kun taas keskimmäisten luokkien sisäinen vaihtelu ja luokkavälin pituus jäivät hyvin pieniksi. Koin tämän seikan silti siedettävänä, sillä tarkoitukseni oli kartalla erotella nimenomaan keskimääräistä korkeamman ja keskimääräistä alhaisemman työttömyysasteen kuntia ja niiden alueellista järjestymistä, jolloin kokonaiskuva muodostui yksittäisten ääriarvojen esittämistä tärkeämmäksi.

Kuntien työttömyys histogrammi

Kuva 1. Suomen kuntien työttömyysaste 2011 -aineiston pohjalta tuotettamani histogrammiesitys. Yksihuippuinen ja selkeä muoto osoittavat aineiston olevan normaalijakautunutta.

Kokeilin luokittelua valitessani myös keskihajontaa (standard deviation) luokitteluperusteena, mutta se korosti mielestäni lopullisessa karttaesityksessä tiettyjä marginaalisia alueita epätarkoituksenmukaisesti. Vaikka keskihajonta tasasikin luokkien välistä luokkavälin pituuden vaihtelua, se johti havaintojen voimakkaaseen painottumiseen kolmeen suurimman työttömyysasteen luokkaan. Tämä puolestaan johti mielestäni lopullisella kartalla vääristyneeseen visuaaliseen tulkintaan, sillä havaintojen epätasaisen jakautumisen lisäksi suurin osa suuren työttömyysasteen kunnista on pohjoisia suuren pinta-alan kuntia. Tästä johtuen lähes koko Suomi näytti kuuluvan hälyttävän työttömyysasteen luokkaan, eivätkä alueelliset erot korostuneet riittävästi. Parhaimman työllisyystilanteen luokkaan ylsi tällä luokittelutavalla vain 2 % kaikista kunnista.

joopajoo

Kuva 2. Koropleettikartta Suomen kuntien työttömyysasteesta vuonna 2010. Kartalla kuvautuvat punaisina korkean työttömyysasteen kunnat ja vastaavasti sinisinä alhaisen työttömyyden kunnat. Lähde: Tilastokeskus 2010.

Kuten oli odotettavissa, suurimman työttömyysasteen kunnat painottuvat kartalla Suomen pohjoisiin ja itäisiin osiin. Toki poikkeuksiakin on – esimerkiksi Kittilän kunta erottuu kartalla sinisenä värialueena muiden pohjoisten ja punasävyisten kuntien keskeltä. Paras työllisyystilanne taas on eteläisissä ja läntisissä kunnissa, joissa työpaikkojen tarjonta on suuremman asutustiheyden, rikkaamman elinkeinoelämän ja elinvoimaisen teollisuuden takia runsaampaa. Korkean työttömyysasteen kunnissa kunnan talouden tila on usein heikko, sillä työttömyyden lisääntyessä verotulot pienentyvät ja toisaalta kunnan sosiaalimenot kasvavat yhtäaikaisesti. Tämä heijastuu väistämättä kunnan peruspalvelutarjontaan sekä sen kykyyn tarjota erilaisia sosiaalisia tukia ja palveluita.

Tutkimusten mukaan yksilön työttömyys ja sekä fyysinen että henkinen pahoinvointi  kulkevat käsi kädessä (Nyman, 2002). Tämä tarkoittaa, että kartalla punaisina kuvautuvat alueet ovat siis myös keskimääräistä korkeamman pahoinvoinnin kuntia. Sen lisäksi, että vaikea työllisyystilanne vaikuttaa ihmisten hyvinvointiin keskimäärin negatiivisesti, asukkaiden pahoinvointi voi alkaa nopeasti heijastua asukkaiden työssäkäymisprosentteihin ja -kykyyn, kuten Natalia Erfvingkin (2014) blogikirjoituksessaan “Kurssikerta 1: MapInfoon tutustuminen & koropleettiteemakartta” osuvasti toteaa. Kyseessä on siis noidankehä, jossa työttömyys johtaa pahoinvointiin ja pahoinvointi työttömyyteen. Pitkään työttömänä olleen yksilön uudelleentyöllistäminen voi siis käydä hankalaksi muistakin kuin vain koulutusteknillisistä syistä.

Mielestäni karttani on kokonaisuudessaan onnistunut, sillä sen visuaalinen ilme ja värimaailma ovat selkeät, ja lisäksi kuntien väliset erot näkyvät kartalla hyvin. Punainen ja sininen väri myös toimivat mielestäni hyvinä ensivaikutelman synnyttäjinä ja ohjaavat intuitiivisesti tulkintoja tekevää katsojaa oikeaan suuntaan. Sininen koetaan usein neutraalina ja kirkas punainen jopa hälyttävänä värinä. Symboliikaltaan nämä värit sopivat siis työttömyysaiheiseen teemakarttaesitykseen mielestäni erittäin hyvin, etenkin jos tarkoitus on esittää huolestunut puheenvuoro kuntien välisestä taloudellisesta eriarvoisuudesta ja polarisaatiosta. Muissa yhteyksissä kartan värimaailmaa voisi muokata kyseiseen julkaisukontekstiin sopivaksi, joko valitsemalla neutraalimpia värejä tai voimakkaasti arvo- ja mielikuvaväritteisiä sävyjä kuten mustaa tai kirkkaan oranssia. Värimaailman valinnassa on siis mielestäni ensisijaisesti kyse kartantekijän pyrkimysistä joko neutraaliin karttaesitykseen tai voimakkaita ja tietynlaisia mielikuvia synnyttävään visuaaliseen esitykseen.

Lähteet:

Erfving, N (2014). Kurssikerta 1: MapInfoon tutustuminen & koropleettiteemakartta. <https://blogs.helsinki.fi/nataliae/> Viitattu 22.1.2014.

Histogrammityökalu 2014. <http://illuminations.nctm.org/Activity.aspx?id=4152> Viitattu 12.1.2014.

Nyman, J. (2002). Does Unemployment Contribute to Ill-being: Results from a Panel Study among Adult Finns, 1989/90 and 1997. <http://ethesis.helsinki.fi/julkaisut/laa/kliin/vk/nyman/doesunem.pdf> Viitattu 22.1.2014.

Tilastokeskus 2010. Kuntien työttömyysaste.

.

Leave a Reply

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