Loppu hyvin kaikki hyvin…

…ainakin jos uskoo onnellisiin loppuihin. Näin kurssin lopussa oloni on kuin prinssinsä löytäneellä prinsessalla. Vaikka koinkin kurssin aikana useampaan otteeseen imutelleeni rupikonnaa turhaan, nii paljastui sammakon nahan alta lopulta jotain hyödyllisempää viidennen kurssikerran jälkeen. Tämän sadun opetuksena siis oli, että vaikkei sitä hernettä ekana yönä tuntisikaan patjakasansa välistä, niin voi se siellä jossain tempurin jousenmutkassa silti jumittaa. Kannattaa siis olla syhtä sinnikäs kuin orava tammenterhon perässä. Harmi vain etten tiedä millainen loppu Scratilla ja terholla oli. Toivottavasti ainakin minä ja MapInfo elämme elämämme onnellisena loppuun asti…oravaaBlogi on siis VALMIS! En malta odottaa sitä päivää, että saamme arvosanat blogeistamme. En todellakaan arvosanojen takia, vaan siksi että sillä samalla sekunnilla on lupa kadottaa tämä blogi ja kaikki todisteet sen olemassaolosta, jottei yksikään silmäpari eksyisi tänne enää tärvelemään sarveiskalvojaan. Tunnen kehittyneeni MapInfon käytössä niin paljon, että tekisi mieli poistaa ja tehdä uudelleen jokaikinen karttani. Mutta jotain positiivisuutta tähän tuodakseni: Viallinen karttamateriaali sopii ainakin kartanlukutaidon opetukseen jos ei muuhun!

Kiitos ja anteeksi.

Kurssikerta 7: Tilastotiedon hankintaa ja hyödyntämistä itsenäisesti

Viimeisellä kurssikerralla tämän Lintusen oli aika kokeilla omia siipiään. Tosin ennen tuntia minusta tuntui pikemminkin siltä, että opettajamme Arttu Paarlahti olisi tyrkkäämässä meidät siipiimme katsomatta oksalta alas. Tiedä sitten vuotaako untuvatäkkini, vai mistä nuo minua kannatelleet sulat olivat nahkaani tarttuneet, mutta takaan että kirjoitan tätä postausta ihan itse ja ilmielävänä tämänpuoleisesta. Mätkähdys maahan ei nimittäin ollut kuolettava. Viimeiseksi harjoitukseksi meidät määrättiin keräämään aineistoa internetistä, sekä luomaan tästä päällekkäinen teemakarttaesitys. Ja kaikki tämä itsenäisesti.

Aineisto

Yllättävää kyllä, mielestäni harjoituksessa yksi hankalimmista asioista oli aineiston keruu. Enkä tarkoita tällä tieotokantojen tuomista MapInfoon, vaan sopivien tilastotietojen löytäminen. Kellekkään minut tuntevalle henkilölle ei varmasti tullut yllätyksenä, että valitsin alueeksi Espanjan. Sen 19 autonomista aluetta olivat mielestäni sopiva aluemäärä aineistojen esittämiseen. Kunhan löysin ensin sopivaa aineistoa… Autonomisten alueiden perusteella olevaa tilastotietoa tuntui olevan melko vähän tarjolla ja enimmäkseen taloudellisista seikoista, joiden numeroiden pyöritteleminen ei minua kiinostanut. Voin vain kiittää sujuvaa espanjankielen taitoani tietoa hakiessani, sillä Eetu joutui blogissaan toteamaan: “…espanjan kielen ymmärtäminen tuotti tässä vaiheessa liikaa ongelmia ja siirryin suosiolla Eurooppaan (tähän voikin todeta, että jo kielien alkeista olisi merkittävää hyötyä myös geoinformatiikassa!).” Espanjan taloudellinen tilanne ei ilmeisesti ollut tarpeeksi synkkä kiertäessäni sen, vaan päädyin lopulta tutkimaan avioeroja ja itsemurhia. Aineistot löytyivät internetistä Excel-muotoisena, mutta ne vaativat vielä paljon siistimistä, jotta sen tuominen oli MapInfoon mahdollista. Työtä minulle teettivät etenkin alueiden nimien kirjoitusasut, jotka tuntuivat olevan omanlaisensa jokaisessa ei tietokannassa. Pari kertaa yritettyäni oikaista näissä asioissa päädyin kuitenkin siihen lopputulokseen, että kaikkein helpoimmalla kuitenkin pääsee kun jaksaa panostaa selkeisiin taulukoihin ja tehdä tämän työn jo Excelissä.

Olin hankkinut ohjeet huolimattomasti luettuani etukäteen bittimuotoisen pohjakartan, jonka olin valmistautunut kiinnittämään koordinaatistoon kuten moni muukin luokkatoverini tuntui olleen. Paarlahti kuitenkin suositteli hyödyntämään vektorimuotoista aineistoa jos sellaista vaan olisi valmiiksi tarjolla. Löysinkin Espanjan vektorimuotoisen kartan, jonka alueita hieman yhdistelemällä sain autonomisen aluejaon aikaiseksi. Näitä vastaavan tilastotiedon toin MapInfoon tietokantaliitoksella. MapInfo teki kuitenkin jokaisen ominaistiedon kohdalla selväksi kantansa Baskimaan itsenäisyydestä, eikä suostunut vastaanottamaan automaattisesti tämän arvoja, jotka jouduin lisäämään aineistoon käsin, joka oli hyvin vaivalloista ohjelman kaaduttua lähes aina jokaisen numeron syöttämisen jälkeen.

Ymmärrän että olemme vasta harjoittelemassa näitä käytännön asioita ja jotkin yksinkertaisetkin asiat voivat viedä vielä paljon aikaa. Vaikka minulla olikin kokoajan tuntuma siitä, että tiesin mitä olin tekemässä vaikka matkalla virheitä kokoajan sattuikin, niin tuntui turhauttavalta kun esimerkiksi aineiston keruu, joka ei edes näy lopputuloksessa vei niin paljon aikaa. Onneksi olin kerännyt aineiston jo ennen kurssikertaa, sillä siihen vierähti minulta valehtelematta enemmän tunteja kuin yhdessä kädessä on sormia.  Tätä tosin selittää se, ettei sitä ei oltu päästy treenaamaan paljoa tällä kurssilla ja summa-nappien käyttö ja löytäminen veivät paljon aikaa aluksi ennen kuin homma alkoi taas luistaa.

Kartat

MapInfon osalta puolestaan harjoittelu oli selvästi tuottanut tulosta kun karttojen pyöräyttäminen sujui murto-osassa aineistoon käytetystä ajasta, vaikka miltei jokaisen kartan sainkin pyöräyttää kerran tai kaksi uudestaan MapInfon kaaduttua tai kadotettua karttani. Tästä opin, että kahden teeman karttaa luodessa ilmeisesti kaikki tarvittava tilastotieto pitää olla valmiina taulukoissa ennen teemakartan luomisen aloittamista, tai puolivalmiskartta katoa bittiavaruuteen lisätessä tietoa taulukkoon. Hieman pettynyt olen siihen, että näin kurssin lopussakaan karttojeni ulkoasu ei vastannut odotuksiani. Hallitsen mielestäni selvästi nyt ne osa-alueet, joita olen kurssin alusta asti joutunut päässyt toistamaan uudestaan ja uudestaan kurssikerrasta toiseen, mutta alusta asti ongelmia tuottaneet asiat kuten ulkoasun asettelu eivät ole kehittyneet. Layout-ikkunaa tehdessäni kohteiden liikuttelu tökkii pahasti ja esimerkiksi kehyksien ja taustavärien poistaminen ei onnistu. Näissä kartoissa uudeksi ongelmaksi ilmeni myös leikkaa-liimaa toiminnon puuttuminen, kun olisin halunnut siirtää Kanarian saaria lähemmäs muita kohteita. Nyt kuviin jäi  hervottomasti tyhjää tilaa.

Kuva 1. Avioerojen suhteellinen määrä ja lapsiperheiden avioerot autonomisittain alueittain Espanjassa

Kuva 1. Avioerojen suhteellinen määrä ja lapsiperheiden avioerot autonomisittain alueittain Espanjassa

Avioerojen määrä ja lapset niissä

Kuvan 1. karttaan löysin avioerojen absoluuttiset määrät, joista laskin niiden suhteelliset arvot koko Espanjan eroihin nähden, jotta pystyin muodostamaan niistä koropleettipohjakartan. Valitsin väritykseksi keltaisen eri sävyjä, joiden asettaminen oli MapInfolla mielestäni yhä haastavaa, mutta mielestäni lopputulos on siihen nähden tarpeeksi selkeä ja salli päälleen vielä toisen teeman. Aineisto oli histogrammin mukaan hyvin tasaisesti jakautunut muutamaa selkeää poikkeusta lukuun ottamatta. Tästä johtuen en ollut varma oliko kyseessä tasainen vai epämääräinen jakauma, joten kokeilin erilaisia luokituksia. Selkeästi parhaalta kartalla näytti tasavälinen luokitus, joka sopii sekä tasaiselle että epämääräiselle jakaumalle, joten päädyin käyttämään sitä.

Karttaa tulkitessa huomasin, että luokat jakautuivat melko selvästi alueen koon tai väkimäärän perusteella: Andalusiassa ja Kataloniassa eroja on ehdottomasti eniten ja näistä jäljessä myös Madridssa. Näiden jälkeen tulee mantereen suurimpia alueita: galicia, Castilla y Leon sekä yllättäen myös Kanarian saaret. Kaikkein eniten alueita kuuluu alimpaan luokkaan, jonka käsittävät vähäväkisimmät ja pienimmät valtiot. Tulosta pohdiskeltuani tajusin, ettei näiden tilastojen käyttäminen koropleettina ollut suotavaa. Vaikka luvut olivat suhteellisia, ei niitä ollut kuitenkaan suhteutettu alueiden väkimäärään, jolloin karttani antaa vääränlaista kuvaa kokonaiskuvasta alueita vertaillessa.

Pylväsdiagrammeilla kuvasin avioerojen lapsitilannetta. Tein punaiset pylväät kielteisellä värillään kuvaamaan avioeroja joissa ei ollut lapsia mukana ja myönteisemmän vihreällä kuvasin avioerot joihin kuului lapsia. En ole kuitenkaan ihan varma, olisiko värit pitänyt laittaa sittenkin toisinpäin, sillä avioero lasten kanssa tuottaa kielteisemmän kuvan kuin ilman lapsia. Nämä ovat edellistä teemaa paremmin onnistuneet ja mielestäni hyvin mielenkiintoisia tulkita. Kokonaiskuvaa katsoessa voidaan huomata, että lapsettomia avioeroja on lähes joka alueelle melkein kolme kertaa enemmän kuin eroja joihin kuuluu lapsi. Ainoat poikkeukset tästä tekevät Katalonia ja Melilla, joissa lapsiperheiden avioeroja on jopa hieman enemmän kuin lapsettomia. Melillan eroavaisuuden selittää tutkimusjoukon pienuus, jossa jo muutama tapaus voi vaikuttaa radikaalisti tulokseen. Katalonian kohdalla aloin kuitenkin miettiä, onkohan kyseessä tilastointivirhe vai miten on mahdollista, että pylväiden pituudet suhteessa muihin ovat niin paljon lyhyemmät, vaikka koropleettikartan mukaan avioeroja pitäisi olla siellä runsaasti. Muiden pylväiden suhteellinen koko on selvästi pidempi mitä tummempi koropleettikartan väritys alueella on.

Kuva 2. Avioliittojen kesto eroon mennessä

Kuva 2. Avioliittojen kesto eroon mennessä

Avioliittojen kesto

Kuvan 2. kartassa halusin esittää avioerojen kestoa ennen avioeroon joutumista ja olisin halunnut liittää keston edellisen kartan lapsipylväiden kanssa samaan, mutten keksinyt siihen mielekästä keinoa. Tarkastelemani tilastoaineisto avioliittojen kestoista näytti mielenkiintoiselta hyvin vaihtelevin numeroin, mutta ympyrädiagrammit siitä luotuani tulos olikin yksipuolisen tylsä. Kartta oli hyvä osoitus siitä, että aina lopputulos ei olekaan mitenkään erityinen, kun absoluuttiset arvot suhteutetaan tapausten kokonaismäärään. Samuli paini blogissaan saman asian kanssa, mutta totesi järkevästi: “Jos aineiston arvot ovat lähellä toisiaan, on turhaa lähteä väkisin etsimään eroja niiden välille ainoastaan sen takia, että karttaesityksen analysointi olisi monipuolisempaa.

Eri ympyrädiagrammien sektorit näyttävät äkkiseltään kaikki täysin samanlaisilta: Yleisin avioliiton ikä ennen eroa on yli 20 vuotta ja sen jälkeen melko tasisesti eroavat 3-5, 6-10 ja 11-15 vuotta naimisissa olleet. Kaikkein vähiten eroja on alle 1 vuotta kestäneissä avioliitoissa. Näitä lukiessa täytyy minusta huomioida luokkarajat: Yli 20 vuotta kestänyt avioliittohan voi käytännössä olla mitä tahansa 20-60 vuoden väliltä, jolloin tapauksiakin voidaan olettaa olevan enemmän kuin esimerkiksi 12-vuotta kestäneessä avioliitossa, joka on paljon lyhyempi aikaväli. Tosin avioliittojen iän noustessa vastaavien määrähän myös vähenee erojen myötä, eli tässä mielessä niitä tietenkin vähenemään päin mitä pidemmälle mennään.

Tarkemmin diagrammeja tuijoteltuani huomasin kuitenkin, että selvän poikkeuksen tästä kaavasta tekevät Ceuta ja La Rioja. Hyvin pienenä alueena Ceutassa eroavaisuudet ovat mielestäni ymmärrettäviä avioerotapausten lukumäärienkin ollessa satoja kertoja muita pienempiä. Siellä kuitenkin huomattavasti yli puolet avioeroista tapahtuu yli 20 avioliittovuoden jälkeen. La Riojassa hieman suurempana alueena puolestaan yli 20 avioliittovuoden jälkeen eroja on keskivertoa vähemmän. Vaikka kartta näytti aluksi informaatioköyhältä, sen ainoat poikkeukset nousevat erityisasemaan ja aiheuttavat pohdintaa siitä, miksi vain niiden tulokset eroavat muista.

Diagrammit osoittavat lisäksi koollaan avioerojen kokonaismääriä alueittain suhteessa toisiinsa, mutta tässä tapauksessa diagrammien suuret kokoerot vaikeuttavat tulkintaa. Kaikkein pienimmistä diagrammeista ei tahdo saada selvää ainakaan tässä mittakaavassa. Selvästi suurimmat diagrammit sijaitsevat arvatenkin väkirikkaimmilla alueilla Kataloniassa, Andalusiassa ja Madridissa, sekä pienimmät pikkuruisessa Melillassa ja Ceutassa. Nämä eivät ole lainkaan yllättäviä, koska kyseessä on absoluuttiset arvot.

Kuva 3. Itsemurhien määrä ja yleisin vuodenaika

Kuva 3. Itsemurhien määrä ja yleisin vuodenaika

Kuvan 3. karttaa tehdessäni halusin kokeilla jotain uutta MapInfolla. Vaikka minulla oli hallussani tarkkaa aineistoa itsemurhiin liittyen, päätin jalostaa aineistoa Excelissä pidemmälle ja yhdistelin sillä absoluuttiset kuukausikohtaiset itsemurhat vuodenaikojen mukaan ja poimin sieltä kunkin autonomisen alueen vuodenajan, jolloin itsemurhia tehdään kaikkein eniten. Näin pääsin MapInfossa koropleettikarttaa luodessani käyttämään ensimmäistä kertaa luokitteluun sovellettua luokkarajaa. Normaalista poiketen käytin myös useampaa väriä rasteripintoina, sillä koin niiden kuvaavan vuodenaikoja paremmin kuin yhden liukuvan värin.

Lisäsin koropleettien päälle vielä itsemurhien absoluuttisia määriä koollaan kuvaavat symbolit. Minulla oli päässäni hieno mielikuva aseista symboloimassa itsemurhaa, mutta lopputulos näyttää pastellisävyjen päällä lähinnä huvittavalta, mutta symbolivalikossa ei ollut sen parempiakaan vaihtoehtoja. Kartta oli siis lähinnä mielenkiintoinen kokeilu, enkä koe sen olevan kovin informatiivinen käsittelemäni aineiston määrään verrattuna.

Mielestäni itsemurhien yleisimmät vuodenajat ovat kartalla mielenkiintoisia tarkastella, vaikka mitään järkeviä selityksiä niille en keksikkään. Koko pohjoisrannikolla itsemurhia on eniten kesällä, kuten myös sisämaa-alueissa Madridissa ja Extremadurassa. Castilla la Mancha on ainoa alue, jossa itsemurhat ovat yleisimpiä talvella. Eniten alueista kuuluu keväällä itsemurhansa useimmin tekeviin, johon muun muassa kaikki autonomiset saaret kuuluvat.

Itsemurhien absoluuttisia määriä kuvaavista aseista ensimmäisenä kiinnittää huomion kaikkein suurimmat Katalonia, Galicia ja Valencia, jotka ovat kukin Espanjan mantereen kaukaisimmissa kolkissa. Ne selittyvät myös osin alueiden suuruudella ja tätä myötä väkirikkaudellaan, jolloin absoluuttiset arvot ovat myös toki suurempia. Castilla la Mancha ja castilla y Leon puolestaan ovat itsemurhamääräsltään melko pieniä niiden suureen kokoon suhteutettuina. Kaikkein vähiten itsemurhia puolestaan on ymmärrettävästi Melillassa, Ceutassa, La Riojassa, Cantabriassa ja Navarrassa jotka ovat kaikki pieniä alueita. Sensijaan kokoonsa suhteutettuna Baskimaassa ja Kanarian saarilla itsemurhia on paljon ja väkilukuunsa verrattuna Madridissa hyvin vähän. Tulkintaa olisivat toki helpottaneet väkilukuun suhteutetut arvot, jos lukijalla ei ole käsitystä alueiden asukasmääristä. Symbolit itsessään ovat kuitenkin mielestäni itsemurhien määrää kuvaamaan hyvä keino.

Ja näin viimeisillä hengenvedoilla pakko lainata Tiiaa kuvaamaan lopun tuntemuksiani: “Olisin toivonut keksiväni jonkun briljantin aiheen jostain briljantista paikasta, ja tehdä vielä niitäkin briljantimman kartan” …mutta siltä ei nyt näytä omia kuvia tuijotellessa. Eikä tilannetta yhtään paranna se, että kuvittelin olevani fiksu ja jättäväni viittauksen kurssin loppupuolelle, jolloin käytössäni on valmiita blogeja luettavaksi, mutta nyt niistä saakin vain toljotella minkä kaiken olisi voinut itse tehdä paremmin. No sehän tässä olikin tarkoituksena. Oppia.

Lähteet:

World Map (2013) Spain Map <http://www.mapsofworld.com/> 3.3.2014

National Statistical Institute (2012) Statistics on annulments, separations and divorces <http://www.ine.es/en/welcome_en.htm> 1.3.2014

National Statistical Institute (2012) Mortality Statistics: Cause of Death <http://www.ine.es/en/welcome_en.htm> 1.3.2014

Summanen, E. (2014) KK7: Omien taitojen testaus itse hankitulla aineistolla <https://blogs.helsinki.fi/eesu/> 14.3.2014

Massinen, S. (2014) Seventh and final round – Kaikki hyvä loppuu aikanaan <https://blogs.helsinki.fi/smassine/> 14.3.2014

Seeve, T. (2014) Kurssikerta 7: It’s the final countdown! Blog-blog-blooog-blooog! Blog-blog-blog-blog-blooog! <https://blogs.helsinki.fi/setiseti/> 14.3.2014

SWOT-analyysi: Mapping America: Every city, every block

Viimeisessä kurssitehtävässä tutkin New York Timesin Mapping America: Every city, every block-palvelua, jossa väestötiedot esitetään paikkatietoaineistona internetin karttapalvelussa. Se esittää amerikkalaisia väestötietoja etnisen taustan, tulotason, homoparien, koulutuksen sekä asunnon arvon, -lainan ja -vuokran perusteella. Karttoja on palvelussa piste- tai koropleettimuodossa koko Yhdysvalloista. Vetämällä hiiren kunkin alueen päälle, saa siitä tarkempaa numeraalista tietoa. Aineisto on tarkimmillaan reilun 1000 asukkaan piirikunnan tarkkuudella, vaihdellen kuitenkin enintään 9000 asukkaan tarkkuuteen.

Kasper loistavasti kiteyttää blogissaan minunkin ensireaktioni: “…vaikutti törkeän siistiltä, mutta samalla niin väärältä“, koska kyseinen palvelu on samalla ainutlaatuinen tilaisuus, mutta myös suuri riski väestötietojen julkaisemisessa kartalla. Sen ristiriitaisesta tilanteesta johtuen tein palvelusta tiedon saatavuuden kannalta SWOT-analyysin. Tämä analyysitapa on nelikenttäinen arviointimenetelmä ilmiön ulkoisin ja sisäisin ominaisuuksiin, jossa arvioidaan sen vahvuuksia, heikkouksia, mahdollisuuksia ja uhkia.

Tiedon saatavuuden sisäiset vahvuudet

  • suhteutettuna ilmiöiden luonteeseen melko tarkkaa tietoa
  • helppokäyttöisyys
  • arvio aina tyhjäääkin parempi
  • toimiivuus
  • yksityisyydensuoja pysyy “aineistoa ei voida käyttää tarkkaan paikantamiseen” (Tarkhova, D. 2014)

Tiedon saatavuuden sisäiset heikkoudet

  • arvioitua, ei siis faktatietoa
  • tarkkuus ei yksilötasoa
  • lähteet puuttuvat, luo epäluotettavuutta
  • pistekartan antama vaikutelma paikkakohtaisesta tiedosta, vaikka alueellista
  • tiedon ajankohtaisuus?
  • Ei kykenen tarkastelemaan useita muuttujia päällekkäin” (Toikka, A. 2014)

Tiedon saatavuuden ulkoiset mahdollisuudet

  • tarjoaa yleiskuvaa
  • segregaation torjuminen
  • väestön perusteella palveluiden ja toimintojen kehittäminen juuri sen alueen väestölle sopivaksi
  • kehittyä ominaisuuksiltaa tarkemmaksi ja kattavammaksi
  • tarve; korvaa puuttuvaa tarkkaa väestöntilastointijärjestelmää

Tiedon saatavuuden ulkoiset uhat

  • luo ja vahvistaa asuinalueiden mainetta ja ennakkoluuloja; segregaatio
  • keino valheellisen/virheellisen tiedon välittämiseen
  • väärinkäytön mahdollisuus esim. terrorismiin
  • tulkintavirheet, jos ei huomaa kyseessä olevan arvioita, ei tarkkaa tietoa
  • ihmisten kielteinen asenne, voivat kokea yksityisyyden rikkomisena

Versus Suomen väestötiedonjakelu

Suomen tilastotietojärjestelmään verrattuna kyseinen palvelu on hyvin epätarkka, mutta Suomessa vastaavanlaisen tiedon saanti on kuitenkin rajoitettua vain tietyille käyttäjäkunnille. Kumpi tapa hyödyttää enemmän ihmisiä: Suomen tarkka salattu tieto, vai USA:n arvioihin perustuva tieto? Mielestäni epätarkkuudestaan huolimatta kyseinen amerikkalainen palvelu toimii erinomaisesti yleisessä julkisessa käyttössä, sillä sen epätarkkuus samalla “suojelee” ihmisten yksityisyyttä ja väärinkäyttöä, vaikka samalla luo niille myös tartuntapintaa. Esitetyt tilastot ovat tyhjää (tai tarkoin varjeltua) tietoa hyödyllisempi vaihtoehto, tai pikemminkin lisä, jota tarvitaan esimerkiksi jo pelkästään luomaan oikeanlaista ja suuntaa-antavaa kokonais- ja mielikuvaa ilmiöistä.

Darian mielipide “Suomeen tämäntyyppistä palvelua on erittäin vaikeaa kuvitella. Amerikkalaisessa ajattelussa on hyväksyttävämpää erotella ihmiset esimerkiksi ihonvärin perusteella, ja eri rotuja kuvaavat termit ovat yleisemmin käytettyjä kuin Suomessa.” on toki totta, mutta minun mielestäni Suomessa tiedon salaaminen vain tutkimuskäyttöön piilottaa liikaa. Ymmärrän että tämä tehdään turvallisuussyistä tiedon yksityisluontoisuudesta johtuen, mutta tällöin tarvetta olisi tarjota vastaavanlaista epätarkempaa palvelua kansalaisille ymmärtääksemme näitä ilmiöitä ja niiden luonnetta edes arviolta, kuten Mapping America tekee. Ilman sellaistakin ihmisillä on arvionsa ilmiöistä, kuten homojen ja eri etnisten ihmisten sijoittumisesta. Kumpikohan osuu enemmän oikeaan: Nämä ihmisten mielikuvat, vai Mapping American kaltaisen palvelun tarjoama arvio?

Toki Suomessa Tilastokeskus julkaisee melko kattavaa tilastotietoa kaikkien saataville, mutta paikkatietoa ei ole tarjolla. Tässäkin tilanteessa pätisi mielestäni sanonta “kohtuus kaikessa”. Salaamisessa sekä julkaisemisessa.

Lähteet:

Swot-analyysi (2012) Opetushallitus <http://www.oph.fi/saadokset_ja_ohjeet/laadunhallinnan_tuki/wbl-toi/menetelmia_ja_tyovalineita/swot-analyysi> 24.2.2014

Bloch, M, Carter, S. ja A. McLean. (2014) Mapping America: Every City, Every Block, New York Times <http://projects.nytimes.com/census/2010/explorer> 24.2.2014

Uusi-Viitala, K. (2014) SWOT-analyysi: Every city, every block <https://blogs.helsinki.fi/kasperuu/> 14.3.2014

Toikka, A. (2014) SWOTTIA <https://blogs.helsinki.fi/akto/> 14.3.2014

Tarkhova, D. (2014) Mapping America – fifty shades of GIS <https://blogs.helsinki.fi/tada/> 14.3.2014