Ensimmäisellä kurssikerralla opin etenkin, miten QGIS:siä käytetään teknisesti, eli mistä toiminnosta tapahtuu mitäkin. ArcGIS-ohjelmaa aiemmin käyttäneenä suurin osa toimintaperiaatteista oli tuttuja, mutta myös eroavaisuuksia ja uusia toimintoja löytyi. Legendan luominen Layout-tilassa oli mielestäni huomattavasti helpompaa kuin ArcGIS-ohjelmassa, sillä legendan tekstiä pystyi muokkaamaan helposti samassa ikkunassa eikä mennä erikseen muokkaaman tasojen nimiä, niin kuin olin tottunut tekemään. Myös QGIS:n statistics-toiminto ja histogrammit olivat käteviä, ja uskon, että niistä tulee olemaan hyötyä aineistojen ymmärtämisessä ja kokonaiskuvan saamisessa aineistoista. Esimerkiksi alla oleva kuva on työvaiheesta, kun tarkastelin työttömyyden jakautumista ennen muuttajan havainnollistamista kartalla.
Tähän karttaan valitsin kunta-aineistosta muuttujaksi työttömyyden, sillä halusin tarkastella sen jakautumista Suomen kuntien sisällä. Etukäteen veikkasin, että työttömyys olisi suurinta Itä- ja Pohjois-Suomessa, ja tuottamani kartta tukee tätä ennustetta. Erityisesti itäinen Suomi ja Kainuu näyttävät suurta työttömyyttä kokonaisväestön suhteen. Myös Keski-Suomessa on joitakin suuren työttömyyden keskittymiä. Yhtenä syynä tällaiseen työttömyyden jakautumiseen Suomen sisällä voi olla työpaikkojen vähyys pienemmillä paikkakunnilla. Suureen työttömyysprosenttiin voi toki olla lukuisia muitakin selityksiä, esimerkiksi vaikkapa se, että työnhakijat ja työpaikat eivät kohtaa tarpeissaan toisiaan.
Koen, että karttaesitys onnistui visuaalisesti ja sisällöllisesti hyvin. Siinä esitetään selkeästi yhtä muuttujaa, eikä kartasta tule siten liian sekavaa. Mediassa esiintyy myös jatkuvasti karttoja Suomesta, jossa esitetään jotain ilmiötä, joten suuri yleisö osaisi luultavasti tulkita karttaani hyvin. Värien visualisointi on mielestäni havainnollinen, eli tummat värit kuvaavat korkeinta työttömyyttä ja vaaleat matalaa työttömyyttä. Huomasin muiden blogeja selaillessa, että esimerkiksi Heidi Syrjäläinen oli tehnyt samanlaisen kartan kuin minäkin, mutta visualisoinut värit hieman eri tavalla. Meidän karttojen antama informaatio näytti minusta yllättävän erilaiselta, sillä Heidin kartta oli yleisväritykseltään punaisempi kuin omani, ja aloin jo pohtimaan, menikö omassa datassani jotain pieleen. Mutta erilainen visuaalinen tulos johtui siis pelkästään värien käytöstä, mikä muistutti itselleni siitä, että datan visualisointia on hyödyllistä pohtia ja kokeilla erilaisia keinoja!
Lähdeluettelo:
Heidi Syrjäläinen, 1. blogiteksti