Toisella kurssikerralla perehdyttiin teemakarttoihin, joissa on esitettynä kaksi teemaa yhdessä kartassa päällekkäin. Lisäksi tällä kerralla verestettiin syksyn TAK-kurssin muistoja aineiston luokittelun yhteydessä. Konkretiaa luokitteluun toi erilaisten luokittelujen havainnollistaminen karttojen muodossa MapInfossa.
Teemakarttojen tekoon sai tällä kertaa monipuolista treeniä. Tehtiin ennestään tutumpaa pylväsdiagrammia, ympyrädiagrammia, pistekarttaa, sekä nimiensä puolesta vähemmän tuttuja individual-, graduated- ja grid-karttoja. Alkusäikähdyksen jälkeen nämäkin osoittautuivat sisällöltään varsin tutuiksi: esimerkiksi grid-kartassa tuotettiin lopulta yksinkertaisesti liukuvärjätty kartta, jossa aineistoa interpoloidaan kahdella vaihtoehtoisella tavalla. Ei mitään järisyttävää siis sisällöllisesti. Harjoituksista prismaattinen kartta sekä 3D-kartta olivat sisällön puolesta uusimpia itselleni, ja tarjosivat lähestulkoon jännittäviä hetkiä MapInfon parissa: kolmiulotteisuus on vain niin in.
Tämän kerran itsenäistehtävässä tavoitteena oli tuottaa kartta, johon sai valita itse esitettävän ilmiön ja aineiston. Tavoitteena oli laittaa tietotaito kartan muotoon: löytää aivonystyröitä kutkuttavat tarkastelun kohteeh, luokitella aineisto järkevästi, valita ilmiön esittämiseen sopiva väriskaala ja tuottaa valmis kartta. Kurssikerran lisälukemiston hengessä teemakartassa tuli esittää kaksi teemaa. Koska Lapin alue on mielestäni kiinnostava, päätin käyttää kurssikerralla tarjottua Pohjois-Suomen karttaa, ja luoda siihen kuntakohtaisen tarkastelun työttömyysasteesta (2010) ja selvitettyjen rikoksien määrästä (2010) alueella. Loin alkuun työttömyysastetta ilmentävän tavallisen koropleettikartan sinistä väripintaa käyttäen. Tämän jälkeen lisäsin karttaan selvitetyt rikokset pistemäisenä kuviopintana. Valmis kartta on esitettynä alla (Kuva 1).
Kuva 1. Työttömyysaste ja selvitettyjen rikoksien määrä Pohjois-Suomen kunnissa vuonna 2010.
Työttömyysastetta kuvaava luokittelu (luonnolliset luokkavälit, kolme luokkaa) ja värjäys (sinisen sävyt) ovat mielestäni melko onnistuneet. Kartta näyttää kuntien väliset erot työttömyydessä selkeästi, joskin ehkä hieman korostaen. Sen sijaan selvitettyjä rikoksia kuvaava, tiheydeltään vaihteleva pistekuviopinta herättää enemmän mietteitä ja spekulaatiota. Luokittelin aineiston ensin viiteen luokkaan. Tämä ei osoittautunut lainkaan hyväksi valinnaksi, sillä jo kolmella luokalla pisteiden tiheyden erottaminen menee omalla kohdallani havaintojen prosessoinnin rajamaille: kartta on mielestäni OK, mutta pisteitä saa hetken aikaa todella tuijottaa, jotta selvitettyjen rikosmäärien erot käyvät ilmeisiksi. Viisi luokkaa olisi ollut tähän aivan liikaa.
Aineiston luokittelutavan valinnat menivät melko omalla painollaan. Kokeilin rikoksille ensin kvantiileja (equal count), mutta luonnolliset luokkavälit (natural break) tarjosi toimivamman vaihtoehdon. Tähän mennessä luonnolliset luokkavälit eivät vielä ole kurssiharjoitusten yhteydessä tuottaneet pettymystä. Ehkä myöhemmin kohdataan sellainenkin aineisto.
Kuten edellä sanoin, kartta (Kuva 1) on mielestäni kelvollinen. Siitä on kuitenkin huomattava muutamia seikkoja. Ensinnäkin kartassa esitetty selvitettyjen rikosten määrä on absoluuttinen, ei osuus tai suhdeluku. Toisin sanoen kartalla kunnan pistetiheyden määrää se, kuinka monta rikosta on selvitetty – ei se, kuinka monta rikosta kunnassa on tehty per asukas. Kuten kartasta näkyy, tiheimmät pistekuviopinnat löytyvät Rovaniemen, Kemin ja Tornion kunnista. Erityisesti Rovaniemen olisi voinut arvata ilman karttaakin: kyseessä on alueen väkiluvultaan isoin kaupunki, minkä voi ilman kristallipalloakin ennustaa lisäävän kunnassa suoritettavien rikosten määrää. Victoria Ollus (2016) esitti omassa blogissaan koropleettivärjäykseen ja pylväsdiagrammeihin nojautuvan kartan väkiluvun ja selvitettyjen rikosten yhteydestä Uudellamaalla, ja johtopäätös on samanlainen: siellä missä väkiluku on suuri, myös selvitettyjen rikosten määrä on suuri.
Kartan yllättävyyttä ei voi kuitenkaan redusoida pelkkään väkilukuun. Tulosta voi lisäksi vääristää myös muun muassa virkavallan riittävyys: kokemukseni mukaan esimerkiksi Käsivarren alueella on vaikeaa saada ylinopeussakkoa, vaikka mittari huitelisi järjettömissä lukemissa. Tilanne on toinen Rovaniemen kaduilla. Voi toki myös olla, että Rovaniemellä, Kemissä ja Torniossa rikoksen suorittajat ovat laadultaan huonompia ja jäävät rötöksistään useammin kiinni. Tätä data ei kuitenkaan kerro.
Kartan vajeista huolimatta siitä voi tehdä jonkinlaisia johtopäätöksiä. Työttömyyden ja selvitettyjen rikosten yhteys ei kuitenkaan osoittaudu havainnollistuksen (Kuva 1) perusteella niin ilmeiseksi kuin olisi etukäteen odottanut: pistekuviot eivät ole järjestään tiheimpiä tummansinisissä eli niissä kunnissa, joissa työttömyysaste on suurin. Esimerkiksi edellä mainitut Rovaniemi ja Tornio sijoittuvat alhaisimman työttömyyden vaaleansiniseen luokkaan, mutta niistä löytyy silti suurimmat määrät selvitettyjä rikoksia. Monet työttömyydestä kärsivät kunnat, kuten Enontekiö, Savukoski ja Pelkosenniemi taasen sijoittuvat pienimpään selvitettyjen rikosten luokkaan. Näiden esimerkkien kautta käy ilmi parhaiten selvitettyjen rikosten ongelma, jonka edellä esitin: luvut eivät ole asukkaiden määrään suhteutettuja osuuksia. Jos kartassa olisi esitetty absoluuttisten selvitettyjen rikosmäärien sijaan niiden määrä per asukas, kartta olisi varmasti toisenlainen. Saman toteaa Victoria Ollus (2016) omassa blogissaan: ”olisi siis ollut järkevämpää käyttää suhteellisia arvoja, kuten rikoksia sataa tai tuhatta asukasta kohden.” Olettaisin, että yhteys työttömyyden ja rikosten välillä olisi tällöin ilmeisempi siten, että korkean työttömyyden kunnissa myös rikokset olisivat yleisempiä.
Tämä kurssikerta sujui teknisesti kohtalaisesti, vaikka diagrammista ja teemakartasta toiseen hyppiminen meinasikin aluksi tuottaa hankaluuksia. Naurettavan lopputurhautumisen tarjosi legendan lisääminen karttaan: miten voikin olla näin vaikeaa saada selite legend-ikkunasta valmiiseen karttaan? Turhautuneiden klikkailujen jälkeen muistin törmänneeni aiemmin samaan ongelmaan, kaivoin ensimmäisen kerran muistiinpanot esiin ja löysin sieltä ratkaisun: Layout-ikkunaan siirtyminen ratkaisi tämän osaltani erävoitoksi: Joni 1 – MapInfo 0. Luultavasti tämä on kuitenkin vasta alkua.
Lähteet:
Ollus, V. 2016. Toinen kurssikerta: Kaksi teemaa, yksi kartta. Victorian kurssiblogi. <https://blogs.helsinki.fi/ollus/2016/02/02/toinen-kurssikerta-kaksi-teemaa-yksi-kartta/> Luettu 22.5.2016.