Toisella kurssikerralla harjoittelimme lisää erilaisten teemakarttojen tekemistä MapInfolla. Erityisen jännittävää oli tehdä prismaattinen kartta Suomen väestön keskittymisestä, jossa omaksi yllätyksekseni jopa onnistuin ilman sen kummempia takaiskuja. Positiivisia kokemuksia, jee! En tajunnut kartan hienoudesta huolimatta tallentaa tekemääni versiota, mutta Sanna Kujalan blogista löytyy mainio gif-animaatio kyseisestä kartasta.

Varsinaisena tehtävänä oli tuottaa teemakartta kahdella päällekkäisellä muuttujalla. Aiheen valinta osoittautui hankalaksi, sillä valinnanvaraa oli niin mahdottoman paljon. Erityisen kiinnostavaa dataa löytyi Terveyden ja hyvinvoinnin laitoksen tilasto- ja indikaattoripankki SOTKAnetistä, jonka Mikko Pätynenkin blogissaan tämän kurssikerran kohdalla mainitsee. Lopulta valitsin teemoiksi työttömyysasteen (%) ja depressiolääkkeistä korvausta saaneiden 18-64-vuotiaiden määrän Lapin maakunnassa, sillä minua kiinnosti tutkia, vaikuttaako korkea työttömyys depression ja sen lääkityksen yleisyyteen.

Kuva 1. Depressiolääkkeistä korvausta saaneiden 18-64-vuotiaiden määrä tuhatta samanikäistä kohti ja työttömyysaste prosentteina Lapin maakunnassa. Lähde: Terveyden ja hyvinvoinnin laitoksen tilasto- ja indikaattoripankki SOTKAnet.

Kartassa depressiolääkkeistä korvausta saavat on esitetty väreillä, korkein osuus tummansinisellä. Jälkeenpäin ajateltuna muuttujat olisi voinut laittaa toiste päin: työttömyysaseen sinisellä ja depressiolääkkeistä korvausta saaneet rastereilla. Tämä tuntuisi mielestäni luontevammalta valinnalta kyseisten tietojen esittämiseen, mutta sitä en nähtävästi karttaa tehdessä tullut ajatelleeksi. Muuten pidän karttani visuaalista ilmettä varsin onnistuneena. Värimaailma on neutraali ja rauhallinen, mutta toimii mielestäni kyseisten ilmiöiden esittämisessä ihan hyvin. Molemmat muuttujat on saatu kuvattua melko informatiivisesti ilman, että karttaa olisi kuitenkaan vaikea tulkita. Myös luokkien määrän rajaaminen kolmeen kumpaakin teemaa kohti toimii: jos luokkia olisi enemmän, kartta näyttäisi sekavalta. Tässäkin kartassa käytin kummassakin teemassa luonnollisia luokkavälejä. Valinta on mielestäni onnistunut ja luokkavälit sopivat.

Itse muuttujien välisestä korrelaatiosta on vaikea tehdä tarkkoja johtopäätöksiä tekemäni kartan perusteella, mihin olen jokseenkin pettynyt. Jonkinlaista korrelaatiota selvästi on, mutta toisaalta seasta löytyy myös selkeitä poikkeuksia. Depressiolääkekorvauksia saaneiden määrä on osassa korkean työttömyyden kunnista korkea, mutta vastaavasti esimerkiksi Enontekiössä, jonka työttömyysaste kuuluu korkeimpaan luokkaan, on depressiolääkkeistä korvausta saaneiden määrä kuitenkin alinta luokkaa. Voidaan pohtia, pystyisikö tätä selittämään kuntien väkiluvuilla – Enontekiössä kun on paljon vähemmän väkeä kuin vaikkapa Rovaniemellä -, mutta kuten jo edellä sanoin, suoria päätelmiä ei kartasta voi tehdä.

Depressiolääkkeiden legenda on ainoa asia, joka kartassani meni kunnolla päin prinkkalaa – siitä nimittäin unohtui kokonaan tieto siitä, mitä luvut tarkoittavat. Jouduin tarkistamaan asian jälkeenpäin, kun en enää itsekään sitä muistanut. Kyseessä on siis depressiolääkkeistä korvausta saaneiden 18-64-vuotiaiden määrä tuhatta samanikäistä kohti.

Toinen kurssikerta oli mielestäni kiinnostava, ja harjoitukset saivat pohtimaan tarkemmin erityisesti värien käyttöä ja luokittelun tärkeyttä. Olisi ollut kiinnostavaa tehdä kartasta muutama erilainen versio ja tutkia käyttämieni muuttujien suhdetta esimerkiksi väkilukuun ja työpaikkojen määrään.

_________________________________________________________________________

Artikkeli 1

Toiseen kurssikertaan kuului harjoitusten lisäksi Anna Leonowiczin artikkeli Two-variable choropleth maps as a useful tool for visualization of geographical relationship (2006), ja tehtävänä oli pohtia sen herättämia ajatuksia aiemman kartografisen tiedon ja osaamisen pohjalta. Artikkeli käsitteli kaksimuuttujaisia, päällekkäisiä teemakarttoja, joita oli tutkittu karttatehtävien kautta mm. ensimmäisen vuoden opiskelijoilla Varsovan ja Vilnan yliopistoissa.

Leonowicz käsittelee artikkelissa kaksimuuttujaisen koropleettikartan käytännöllisyyttä kahden ilmiön välisen suhteen esittämisessä, kun taas yksimuuttujainen kartta soveltuu paremmin ilmiöiden alueellisten jakautumisen esittämiseen. Yhden muuttujan kartan suurimmat ongelmat ovat kuitenkin oikean luokittelun vaikeuden lisäksi juuri tällaisten karttojen huono luettavuus ilmiöitä vertaillessa. Kun yksimuuttujaisia karttoja joudutaan vertailua varten tekemään kaksi, on kahden muuttujan koropleettikartta järkevä ratkaisu.

Artikkelin legendat poikkeavat selvästi siitä, mihin itse olen tähänastisten opintojeni aikana tottunut. Kahden muuttujan esittäminen samassa legendassa pistediagrammin kautta tuntui aluksi hämmentävältä, kun on tottunut MapInfon automaattisiin yhden muuttujan legendoihin. Kaksimuuttujaisen kartan legendassa on yhden muuttujan sijaan kuvattu kaksi muuttujaa ruudukossa niin, että kumpikin akseli kuvastaa yhtä muuttujaa ja jokainen ruutu on oma luokkansa. Kuitenkin hyvin tehtynä ja sopivilla muuttujilla se lienee varsin hyödyllinen tapa esittää ilmiöiden välinen suhde niin, että legendasta voi jo nopealla vilkaisulla tehdä tulkintoja muuttujien mahdollisesta korrelaatiosta. Toisaalta ongelmia voi tuottaa esimerkiksi luokkien liiallinen määrä, jolloin legendasta tulee nopeasti todella sekava. Leonowiczin mukaan sopiva määrä luokkia tällaisessa legendassa olisikin neljä (2×2) tai korkeintaan yhdeksän (3×3), jotta luettavuus säilyy hyvänä.

Artikkelissa käsiteltiin myös värien käyttöä legendassa. Olen Oskarin kanssa samaa mieltä siitä, että värien käyttäminen molempien ilmiön kuvaamiseen ei ole toimiva idea, sillä sopivien värisävyjen valinta on haasteellista ja selkeämmän lopputuloksen saa juurikin Oskarin mainitsemia rasterointeja käyttämällä.

Kaksimuuttujainen koropleettikartta toki helpottaa kahden muuttujan välisen suhteen esittämistä kartalla, mutta sen tuoma hyöty riippuu lopulta pitkälti lukijan pohjatiedoista. Tähän tulokseen päätyy myös Leonowicz artikkelissaan. Tällaisten karttojen tekeminen MapInfolla tuntuu ajatuksena utopistiselta, vaikka kai joku velho niitä silläkin osaisi vääntää. Oma osaamiseni kuitenkaan tuskin riittää moiseen vielä aikoihin.

Artikkelissa vaikeinta oli terminologian ymmärtäminen, sillä kuten Pinja blogissaan kirjoittaa, liittyy esimerkiksi aiheeseen paljon termejä, joista isoa osaa ei vielä ymmärrä edes suomeksi. Tämä hankaloitti jonkin verran asioiden syvempää ymmärtämistä, vaikkei tieteellisten artikkelien lukeminen englanniksi itsessään ole haastavaa.

Lähteet:

Kujala, S. (2015). Kurssikerta 2: Nyt meni vaikeaksi + Artikkeli. Sannan PAK-blogi. <https://blogs.helsinki.fi/kusaku/2015/02/03/kurssikerta-2/> Luettu 13.3.2015

Leonowicz, A. (2006). Two-variable choropleth maps as a useful tool for visualization of geographical relationship. Geografija. T. 42. Nr 1. 33–37.

Myllykoski, P. (2015). Artikkeli 1: kahdesta yksi. Pinjan paikkatietoblogi. <https://blogs.helsinki.fi/myxmy/2015/02/04/artikkeli-1/> Luettu 16.3.2015

Pätynen, M. (2015). Toinen kurssikerta: Lappi, alkoholi & rattijuopumukset. Mustaa kahvia & karttoja. <https://blogs.helsinki.fi/mcpatyne/2015/01/29/toinen-kurssikerta-lappi-alkoholi-rattijuopumukset/> Luettu 13.3.2015

Rönnberg, O. (2015). Artikkeli 1: Pohdintoja päällekkäisistä koropleettikartoista. Oskarin PAK-blogi. <https://blogs.helsinki.fi/oskaronn/2015/01/27/artikkeli-1-pohdintoja-paallekkaisista-koropleettikartoista/> Luettu 16.3.2015

Terveyden ja hyvinvoinnin laitos. (2015). Tilasto- ja indikaattoripankki SOTKAnet. Depressiolääkkeistä korvausta saaneet 18-64-vuotiaat. <http://uusi.sotkanet.fi/portal/page/portal/etusivu> Luettu 13.3.2015