PAK 2016 Seitsemäs ja viimeinen kurssikerta

Tämä päivä tiistai 21.11.2017 jää itselläni muistoihini erittäin merkittävänä päivänä. Ensinnäkin tänä aamuna näin ja koin Länsimetron ensi kerran, kun kurvasin aamuluennolle Otaniemeen. Mutta jotain sitäkin merkittävämpääkin tapahtui illalla kymmenen tunnin opiskelupäivän jälkeen. Oli vihdoin aika kohdata haasteistani suurin; PAK kurssikerta 7.

Kaksi vuotta on pitkä aika saamattomuudelle. Fuksikurssi, joka alkoi vuoden 2016 tammikuussa, jonka aloitin uudelleen vuoden 2017 tammikuussa, oli muodostunut ylitsepääsemättömäksi möröksi, johon en halunnut koskea pitkällä kepilläkään. Vuodet vierivät, periodit vaihtuvat, kolmas opiskelu vuoteni oli alkanut. Oli vihdoin aika ottaa itseäni niskasta kiinni ja kohdata MapInfo silmästä silmään. Tiesin ettei siitä tulisi helppoa, enhän ollut avannut ohjelmaa kahteen vuoteen, edellisten kurssikertojen karttojen teon jälkeen. Mikä koettelemus siitä tulikaan.

Lähdin kohti viimeistä taisteluani toiveikkain tunnelmin. Olinhan aikaisemmin päivällä löytänyt eurostatin aineistoja tutkailemalla löytänyt muuttujat työhöni, mitä olisi jollain tapaa järkevää vertailla keskenään kartta esityksen muodossa. Vertailtavani muuttujat olivat väestöllinen huoltosuhde ja maahanmuutto suhteutettuna väkilukuun vuoden aikana, jonka sain jakamalla maahanmuuton maan väkiluvulla. Excelillä kaikki sujui ilman suurempia ongelmia, elämä hymyili, happy days!

Kaikki kuitenkin muuttui, kun avasin MapInfon. Kaikkien näiden vuosien jälkeen, muistot palasivat pintaan. Tuntui kuin olisin jälleen fuksi ilman toivoa paremmasta. Alkuun kaikki sujui hyvin, huolestuttavan hyvin. Olin saanut tuotua kurssikerralla 6 käytetyt maailmankartan ja meret työni pohjaksi, mutta sitten koin esteen, jonka luulin romuttavan toiveeni kurssin loppuun suorittamisesta; tietokantaliitos.

Kaivelin mieleni sopukoita, tutkailin valikoita, kunnes mieleeni muistui himmeä toivonkipinä, ajalta, jolloin Trump ei ollut presidentti, SQL Select. Aivan, aivan, löydä taulukoiden välille yhteinen muuttuja, jonka avulla liitos voidaan tehdä. Valitsin taulukot, joiden välillä halusin liitoksen tapahtuvan, mitään ei tapahtunut. Luin harjoituskerta kolmen ohjeita: ”jos ruutu pysyy tyhjänä, se voi tarkoittaa sitä, että liitoksessa on jotain vialla.” Kylmä hiki valtasi otsani, tiesin olevani ongelmissa.

Tarkistin Excel taulukkoni, kaiken pitäisi olla kunnossa, kokeilin liitosta uudestaan, mitään ei tapahtunut. Tupla tsekkasin, vieläkään ei mitään. Luin kolmosharjoituksen ohjeita, yrittäen löytää vastausta ongelmaani, ikään kuin ratkaisu olisi piilotettu, jonkin arvoituksen taakse, johon ei olisi ratkaisua. Katsoin YouTube tutorial videoida SQL Selectin käytöstä, aloin menettää jo toivoani, kunnes tajusin, että yritin liittää Excel taulukkoani väärään taulukkoon.

Otin syvään henkeä, kokosin itseni ja jatkoin eteenpäin. Olin päättänyt, että en antaisi menneisyyteni demoneiden estää minua tällä kertaa. Seuraava ongelma odotti kuitenkin jo nurkan takana. Kun yritin luoda kartastani koropleettikarttaesitystä, luomani tietokantaliitos ei ollutkaan valittavissa. Ei ole enää edes todellista! Hetken pohdittuani tajusin kuitenkin, että tietokanta muutokseni eivät näkyneet Layer Controllissa. En antanut tämän ensimmäisillä kurssikerroilla opitun mokan estää itseäni, en tänään.

Valitsin tummemman värin kuvaamaan huonompaa väestöllistä huoltosuhdetta ja pylväät kuvaamaan maan väkilukuun suhteutettua maahanmuuttoa. Maat, joissa väestöllinen huoltosuhde on huono, tarvitsisivat maahanmuuttoa pitääkseen kansantalouden rattaat pyörimässä. Huonon huoltosuhteen maista esiin nousevat esim. Italia, Saksa, Suomi ja Ruotsi. Väestö näissä maissa on vanhaa työikäiseen väestöön nähden, jolloin työikäisellä väestöllä on kuvainnollisesti suurempi määrä suita ruokittavana. Maat kuten Saksa ja Ruotsi ovat olleet politiikallaan suopeampi maahanmuuttaja kohtaan, mikä näkyy myös tilastoissa. Italiaan ja Suomeen on taas muuttanut paljon vähemmän ihmisiä.

Kuva 9 Väestöllinen huoltosuhde ja maahanmuutto suhteutettuna väkilukuun (2015)

 

Kartassa korkeimmat pylväät on pienillä mailla, kuten Luxembourg ja Malta, jotka pystyvät houkuttelemaan rikkaina maina muuttajia. Itäinen-Eurooppa esiintyy kartassa länteä kokonaisuudessaan vaaleampana, mutta näiden maiden suhteellinen maahanmuutto on myös pienempi. Lännestä Irlannissa ja Islannissa on muuhun Länsi-Eurooppaan verrattuna poikkeuksellisen hyvä huoltosuhde.

Viimeinen kurssikerta oli kaikista kurssikerroista kaikkein opettavaisin. Kerrankin PAK-kurssin aikana jouduin itse hieman pohtimaan, mitä olin tekemässä, enkä vain seurannut pilkuntarkasti harjoituskerran ohjeita. En rehellisesti uskonut tämän päivän koskaan koittavan, mutta jos Länsimetronkin tuli joskus valmistua, niin niin tuli PAKki-blogienikin.

Lähteet:

 

Eurostat,Immigration.<http://ec.europa.eu/eurostat/tgm/table.do?tab=table&plugin=1&language=en&pcode=tps00176>. Luettu 21.11.2017

Eurostat,Old-age-dependency ratio. <http://ec.europa.eu/eurostat/tgm/table.do?tab=table&plugin=1&language=en&pcode=tsdde510>. Luettu 21.11.2017

Eurostat, Population on 1 January. <http://ec.europa.eu/eurostat/tgm/table.do?tab=table&plugin=1&language=en&pcode=tps00001>. Luettu 21.11.2017

PAK 2016 Kuudes kurssikerta

Kuudes kurssikerta alkoi pienelle reippailulla Kumpulan lähimaastossa. Itse erittäin reippaana reippailijana olen tehnyt tämän saman reippailun kahteen kertaan. Tarkoituksena oli kerätä GPS-paikantimen avulla maastosta koordinaattitietoja kymmenestä samanlaisesta kohteesta. Ensimmäisellä kerralla keräsimme tietoa vihreiden roskapönttöjen sijoittumisesta ja toisella muistaakseni meillä oli sama aihe mahdollisesti kaikki roskapöntöt. Näistä aineistosta olisi voinut tehdä mielenkiintoista tutkimusta roskapönttöjen spatiaalisesta muutoksesta vuoden aikana, mutta se tutkimus jää ikuiseksi arvoitukseksi. Tiedoiksi roskapöntöistä keräsimme x- ja y-koordinaatit, korkeuden merenpinnasta, pisteen ominaisuustieto ja laitteen tarkkuus mittaushetkeltä. Kierroksen jälkeen tiedot syötettiin Exceliin ja MapInfoon, mikä näytti kerätyt pisteet hienoina karttaesityksinä, joita saimme ihmetellä.

Kurssikerran varsinaisena blogitehtävänä oli tuottaa kolme karttaa, joiden teemoina ovat hasardit. Meille oli annettu valmiksii sivustojen linkit, joista löytyi tietoa maanjäristyksistä, tulivuorista ja meteoriittien putoamispaikoista. Tavoitteena oli luoda karttoja, joita voisi käyttää opettajana tuntiopetuksessa hyödykseen. Itse tein karttani kalderoista, maanjäristyksistä ja meteoriiteista, jotka ovat iskeytyneet maahan.

 

 

Kuva 6 Kalderojen sijoittuminen

 

Ensimmäinen kartta kalderoiden sijoittumisesta olisi voinut yhdistää tulivuorikartan kanssa. Tällöin olisi voinut tehdä vertailua, kahden muuttujan välillä. Jälkikäteen ajateltuna opettavaisin vertailu olisi ollut vertailla tulivuorten ja maanjäristysten sijoittumista keskenään. Myös litosfäärilaattojen reunojen lisääminen ja laattojen nimeäminen toisi kartalle opetuksellista lisä arvoa, kuten Sonja Koivisto toteaa blogissaan (Koivisto 2017).

 

Kuva 7 Yli 8 magnitudin järistykset 1.1.1900 jälkeen ja yli 7 magnitudin järistykset 1.1.2000 jälkeen

Toissa kartassani (Kuva 2) tein vertailua ajallisen aspektin ja järistyksen suuruuden suhteen. Halusin nähdä, missä suuria yli 7 magnitudin järistyksiä on 2000-luvun jälkeen tapahtunut ja, minne historiallisesti suuret yli 8 magnitudin järistykset ovat sijoittuneet. Kartasta voi nähdä suurimpien järistysten tapahtuneen pääsääntöisesti niin sanotun Tyynenmeren tulirenkaan alueella. Tätäkin kartta olisi opetusmielessä selventänyt, jos karttaan olisi lisännyt litosfäärilaattojen rajat. Kartasta voi myös havaita, että yli 7 magnitudin järistyksiä tapahtuu huomattavasti useammin kuin yli 8 magnitudin järistyksiä. Ajallista aspektia tarkemmin tarkastellessa olisi varmasti hyödyllistä luoda karttasarjoja, joilla pystyisi vertailemaan onko maanjäristysten yleisyydessä tapahtunut muutkoksia.

 

Kuva 8 Yli 1000 kg meteoriittien luomat kraaterit

Viimeisimmässä kartassa (Kuva 3) esitetään yli 1000kg meteoriittien synnyttämiä meteoriittikraattereita. Suurehkoja meteoriitteja vaikuttaa putoavan melko tasaisesti ympäri Maapalloa, mutta jonkin näköisenä keskittymänä voidaan pitää Pohjois-Amerikan länsirannikkoa, johon on syntynyt harvinaisen paljon kraattereita. Oppilaat voisi laittaa etsimään syitä sille, miksi tälle alueelle on syntynyt niin paljon kraattereita ja itse opettajana voisi käydä samalla opettajan huoneessa pullakahveilla ja selailla YouTubesta kissavideoita.

 

Lähteet:

Koivisto, Sonja (2017). Keskiviikon geokoodausta. <https://blogs.helsinki.fi/kosokoso/Luettu 18.11.2017

PAK 2016 Viides kurssikerta

Viidennellä kurssikerralla oppimistavoitteena oli tutustua MapInfon piirtotyökaluihin, opetella laskemaan karttakohteiden avulla ja bufferointitoimintojen opettelua. Aluksi hyödynsimme viime kerralla luomaamme aineistoa Pornaisten keskustasta. Puskuroinnilla laskettiin digitoitujen teiden ja asutuksen suhdetta.

Varsinaisissa itsenäistehtävissä ei tällä kerralla luotu kartta esityksiä, vaan tehtiin taulukko, johon liitettiin vastauksia kurssin tehtävien kysymyksiin. Tehtävien tekeminen onnistui pienistä kangerteluista huolimatta melko sujuvasti, mutta tietyt kohdat aiheuttivat hieman päänvaivaa. Parempi ymmärtäminen ohjelman toimintalogiikasta auttaisi varmasti paremmin ymmärtämään ongelmia ja helpottaisi niiden ratkaisua. Mutta kysymällä oppii ja kysymällä ongelmiinsa saa apua.

Ensimmäisessä tehtävässä tutkittiin Malmin lentokentän melualuetta ja sitä varten piirrettiin kiitoradoista uusi tietokanta. Bufferoinnin avulla laskettiin, kuinka moni asuu 2 ja 1 kilometrin säteellä kentästä, mikä oli melko yksinkertaista. Seuraavassa tehtävässä siirryttiin Helsinki-Vantaalle ja laskettiin, paljonko ihmisiä asuu kentän läheisyydessä ja pahimmilla melualueilla. Tässä tehtävässä muistaakseni buffereiden luominen tuotti jonkun verran ongelmia, mutta nekin saatiin ratkaistua kysymällä Artulta apua. Lopuksi tutkittiin vielä vielä juna-asemien lähellä asuvia ihmisiä bufferoinnin avulla.

 

Tehtävä 1 Vastaukset
Malmin lentokenttä
asukkaat 2 km säteellä 55 000
asukkaat 1 km säteellä 8300
Helsinki-Vantaan lentokenttä
asukkaat 2 km säteellä 9 900
asukkaat 65 db melualueella 40
montako prosenttia 2 km sisällä asuvista 65 db melualueella 0,40 %
moniko asuu vähintään 55 db melualueella 11 300
moniko asuu 60 db melualueella, jos laskeutuminen Tikkurilan yltä 12 300
Juna-asemat
Asukkaat alle 500m juna-asemasta 82 900
Koko alueen asukkaat 478 500
Alle 500m päässä asuvien osuus kaikista asukkaista 17%
Työikäisten osuus alle 500m asemasta 71 %
Tehtävä 2
Taajamat
Taajamissa asuvat koko aineistosta 85 %
Kouluikäiset kaikista asukkaista 49 900
Kouluikäiset taajamissa 42 300
Taajamissa asuvien kouluikäisten osuus kaikista 85 %
Taajamia, joissa ulkomaalaisia yli 10 % 19
Taajamia, joissa ulkomaalaisia yli 20 % 6
Taajamia, joissa ulkomaalaisia yli 30 % 4

Toisessa harjoitus tehtävässä tutkittiin taajamien väestöä. Tietokannan uusiin sarakkeisiin laskettiin tiedot asukkaista yhteensä, kouluikäiset, ulkomaan kansalaisten määrä ja ulkomaalaisten osuus väestöstä. Näiden tietojen avulla laskettiin erinäisiä tietoja, jotka näkyvät taulukossa. Tehtävät kokonaisuudessaan olivat melko aikaa vieviä, koska ohjelman käyttö ei ole kovin hyvin hanskassa. Varsinkin aineistoliitokset tuottivat ongelmaa ja muutenkin ohjelman käyttö tuntuu varsin jäykältä. Kuten Niklas Sädekoski toteaa blogissaan, että ohjelma oli kurssikerralla varsin yhteistyöhaluton (Sädekoski 2016).

Karttojen tekeminen on MapInfosssa melko yksinkertaista, mutta sekin voisi olla joiltain osin selkeämpää, esim. pohjoisnuolen lisääminen on vaivalloista. Tehtävissä harjoiteltu bufferointi vaikuttaa hyödylliseltä taidolta, koska sen avulla voidaan löytää vastauksia moniin kysymysiin. Esimerkiksi kaupallisia palveluita suunnitellessa on hyvä tietää, kuinka suuri ihmisjoukko asuu mahdollisen uuden kaupan lähellä ja millä alueilla on tarve uusille kaupoille.

 

Lähteet:

Sädekoski, Niklas (2016). Kurssikerta 5: Via dolorosa https://blogs.helsinki.fi/niklasad/ Luettu 15.11.2017

PAK 2016 Neljäs kurssikerta

Neljännellä kurssikerralla tavoitteena oli ruutukarttojen tekeminen, oppia tuottamaan uutta tietoa maantieteellisiä kohteita hyväksikäyttämällä, MapInfon avulla rasterikarttojen kiinnittäminen koordinaatistoon ja piirtäminen MapInfossa rasterikartan avulla. Ennen oman kartan tekemistä harjoiteltiin ruudukon luomista ja siihen liittyvän datan liittämistä kartalla 20-vuotiaiden lukumäärästä. Ruudukon ruudut ovat 500 metriä sivultaan, johon pisteaineisto lisättiin ja visualisoitiin teemakartaksi kuten aiemmissa tehtävissä. En nähtävästi muokannut kartan legentaa, kuten voi huomata kuvasta 1.

Kuva 4 20 vuotiaiden sijoittuminen pääkaupunkiseudulla

 

Blogitehtävää varten tehtiin ruututeemakartta omavalintaisesta teemasta, joka kohdallani oli muun kielisten sijoittuminen pääkaupunkiseudulla. Valitsin karttaani pienemmän ruutukoon, koska halusin vertailla esitystapoja ja ajattelin pienemmän ruutukoon luovan tarkemman tuloksen. Nyt kun tarkastelen karttaani, voin päätellä, että minun olisi kannattanut käyttää kartassani absoluuttisten arvojen sijasta muun kielisten suhteellisia osuuksia, kuten myös Iivari Laaksonen toteaa blogissaan (Laaksonen 2017). Tällaisenaan kartta kertoo vain, minne muun kieliset sijoittuvat, mutta tarkoituksenani oli varmasti tarkastella, missä muun kielisiä on suhteellisesti eniten. Järkevää olisi varmasti ollut myös eritellä ruotsinkieliset erikseen vieraskielisistä.

Kuva 5 Muun kielisten sijoittuminen pääkaupunkiseudulla

Muun kieliset sijoittuvat kartan mukaan kantakaupunkiin ja Itäiseen-Helsinkiin. Myös Espoossa ja Vantaalla on muutamia keskittymiä. Sinällään värimaailmaltaan kartasta näkee, minne muun kieliset sijoittuvat ja värien erot pystyy melko hyvin erottamaan toisistaan. Mietin, että kannattaako ruutujen ääriviivat jättää näkyviin ja päätin tehdä sen, koska ajattelin sen tuovan alimman kategorian paremmin esiin. Mutta se, että muun kielisiä on paljon alueilla, joissa on muutenkin paljon ihmisiä, ei ole informaatio arvotaan kovin tärkeää.

Ruututeemakartalla pystyy osoittamaan paljon tarkemmin minne jokin asia sijoittuu kun koropleettiteemakartassa. Jos kartan olisi esimerkiksi tehnyt ruutujen sijaan hallinnollisina alueina, informaatiota olisi kadonnut jonkin verran. Pisteaineistosta muokatulla ruututeemakartalla pystyy siis kuvaamaan erittäin tarkasti paikkaan liittyvän tiedon sijoittumista. Ruututeemakarttaa tehtäessä kannattaa miettiä millaista informaatiota sillä kannattaa visualisoida.

 

Lähteet:

Laaksonen, Iivari (2017). 4. kurssikerta. < https://blogs.helsinki.fi/iilaakso/ > Luettu 13.11.2017

PAK 2016 Kolmas kurssikerta

Kolmannella kurssikerralla harjoittelimme tietokantojen käyttöä ja tiedon liittämistä tietokantoihin ja tietokantojen yhdistämistä ja uuden tiedon tuottamista. Harjoitusta tehtiin Afrikan valtiot aineiston avulla, jota täytyi aluksi muokata ennen kuin tietoja pystyttiin lisäämään. Tietojen yhdistely ja sarakkeiden päivittely tuotti aluksi haasteita, mutta kun tarkemmin mietti mitä teki homma, alkoi vaikuttaa jo loogisemmalta.

Ennen tulvaindeksikartan tekoa Afrikka aineistoon päivitettiin tiedot timanttikaivosten, öljykenttien ja taistelukenttien sijainnista, jolloin tieto pystyttiin visuaalisesti paremmin hahmottamaan. Taulukkoon tuli laskea öljylähteiden, timanttikaivosten ja taistelukenttien lukumäärä ja pohtia muiden muuttujien mahdollisia hyödyntämismahdollisuuksia. Tietokannoista löytyi tietoa: konfliktin tapahtumavuodesta, konfliktin laajuudesta/säteestä kilometreinä, timanttikaivosten löytämisvuodesta, timanttikaivoksen kaivausten aloitusvuodesta, timanttikaivosten tuottavuusluokittelusta, öljykenttien löytämisvuodesta, öljykenttien poraamisvuodesta, öljykenttien tuottavuusluokittelusta ja Internetkäyttäjien lukumäärästä eri vuosina.

Datan avulla voisi etsiä yhteyttä luonnonvarojen löytymisvuoden ja konfliktien tapahtumavuosien välillä, koska uudet löydetyt resurssit aiheuttavat usein konflikteja, koska niin monet ryhmittämät haluavat hyötyä niistä. Internetkäyttäjien lukumäärästä eri vuosina pystyisi tekemään erilaisia vertailuja vuosien välille ja tarkastella internetin leviämistä eri maiden välillä. Internetin leviämisestä voisi tehdä esimerkiksi karttasarjoja, jolloin leviämistä on helpompi hahmottaa.

 

Itsenäisenä tehtävänä tehtiin tulvaindeksi- ja järvisyyskartta hyödyntämällä aiemmassa tehtävässä opittuja taitoja. Tulvaindeksi laskettiin jakamalla keskiylivirtaama keskialivirtaamalla ja tieto liitettiin valuma-alue –tietokannan uuteen sarakkeeseen. Järvisyysprosentti lisättiin myös pohjana käytettävään valuma-aluekarttaan. Tulvaherkkyyttä esitetään koropleettikarttana sinisen värisävyin ja järvisyyttä violetilla pylväsdiagrammilla. Kartta on hieman vaikeaselkoinen, koska rannikoiden alueella pylväät menevät toistensa kanssa päällekkäin, jolloin yksittäisten alueiden vertailu on hankalaa. Pylväät myös peittävät tulvaindeksi koropleettikarttaa alleen, joten jonkinlainen muu visualisointimuoto olisi parempi.

Kuva 3 Tulvaindeksi ja järvisyys Suomen valuma-alueilla

Tehtävässä tuli myös miettiä mitä kartta esittää ja mitä siitä voisi tulkita. Itse en ajatellut suuntautua luonnonmaantieteen puolelle, mutta voi yrittää tehdä jonkinlaista tulkintaa kartan pohjalta. Tulvariskilään suurimmat alueet vaikuttavat olevan Etelä-Suomessa ja Pohjanmaan rannikoilla. Näillä alueilla valuma-alueet ovat pienempiä ja järvisyysprosentti on pienempi, kuin esimerkiksi Järvi-Suomessa. Vedellä ei siis ole vastaavaa tilaa varastoitua järvialtaisiin, vaan lumien sulamisvesistä tai rankkasateista johtuvat tulvat valuvat suoraan jokiin, mikä lisää tulvariskiä. Etelä-Suomi ja Pohjamaa ovat myös vahvasti maatalouspainotteisia alueitta, joten soita on kuivattu pelloiksi ja jokien reittejä on muokattu maatalouden ja kaupunkien ehdoilla, mikä osaltaan lisää tulvariskiä. Tulvia aiheuttavat myös keskivirtaamasta riippumattomat tekijät, kuten hyydepadot, kuten Tuomas Pätäri toteaa blogissaan (Päräri 2016).

Lähteet:

Pätäri, T. 2016 https://blogs.helsinki.fi/ttpatari/ Luettu 12.11.2017

 

PAK 2016 Toinen kurssikerta

Toisella kurssikerralla harjoiteltiin teemakarttojen tekoa ja kahden päällekkäisen teeman käyttöä. Luennon aluksi käytiin läpi erilaisia teemakartta tyyppejä. Aineistoa pystytään visualisoimaan erilaisin tavoin ja erityyppiselle aineistoille sopivat erilaiset visualisointi tavat. Esimerkiksi pylväsdiagrammikartta ja tiheyskartta sopivat erilaisten aineistojen kuvaamiseen.

MapInfon käyttöön ja erilaisten teemakarttojen tekoon tutustuttiin jälleen yhteisesti. Karttojen teko sujui melko hyvin, kun niiden teko käytiin kohta kohdalta ohjatusti läpi. Oli mielenkiintoista päästä heti tekemään samoja teemakarttoja, joita oli käyty läpi PowerPoint esityksessä ennen MapInfon avaamista. Karttoja tekemällä niiden erot jäävät paremmin mieleen ja pystyvät myös paremmin hahmottamaan, minkä tyyppisen aineiston visualisoimiseen tietyt karttatyypit sopivat.

Kuva 2 Ulkomaiden kanalaisten osuus ja kielten osuus

 

 

Itsenäisessä harjoitustehtävässä piti tehdä teemakartta, jossa käytettiin kahta teemaa päällekkäin. Kartan teeman keksiminen oli kartan teon haastavin vaihe, koska niiden piti liittyä, jollain tavalla toisiinsa. Valitsin aineistoksi ulkomaisten kansalaisten osuuden ja eri kielten osuuden, joka oli jaettu suomen-, ruotsin- ja muun kielisten osuuksiin.

Kartassa esitetään ulkomaalaisten kansalaisten osuus eri värisävyillä ja kielten osuus piirakkadiagrammeilla. Alueena oli Pääkaupunkiseutu, Kirkkonummi ja Sipoo ja tavoitteena oli tarkastella, miten ulkomaalaisten osuus jakautuu Pääkaupunkiseudun kunnissa. Voidaan miettiä luokittelun järkevyyttä viiteen luokkaan, kun tarkasteltavia kuntia on kuusi kappaletta ja värimaailmaa, joka on jokseenkin hankalasti toisistaan erottuva. Kunnat olisi myös voinut nimetä, kuten Pauli on kartassaan tehnyt (Voipio, 2016) ja sijainti kartan lisätä. Kartan asettelu on muutenkin hieman sekavan oloinen.

Kartasta huomataan, ehkä ei kenellekään yllätyksenä, että ulkomaiden kansalaisten osuus on suurin Helsingissä, sen ollessa 7,6 % ja Espoo ja Vantaa yli 6,6 %. Muun kielisiä puhujia on eniten Pääkaupunkiseudun kolmessa suurimmassa kunnassa, mutta ruotsinkielisiä on suhteellisesti eniten Sipoossa, Kauniaisissa ja Kirkkonummella. Kirkkonummen ruotsinkielisten osuuden pienentymiseen on varmaankin vaikuttanut Sipoota enemmän muualta tulleiden muutto. Ulkomaalaisten osuudessa ja muun kielisten osuudessa on loogisesti korrelaatiota.

Alueen rajauksessa noin pieneksi ei ehkä olut mitään järkeä ja koko Suomen tarkastelu olisi tuonut mielenkiintoisempia tuloksia tai esim. koko Helsingin seudun. Koko Suomen ympyrädiagrammien visualisointi olisi tosin ollut haastavaa.

 

Lähteet:

Voipio, Pauli (2016), PAK16 blogi – Toinen kurssikerta 26.1.2016

https://blogs.helsinki.fi/vopa/

PAK 2016 Ensimmäinen kurssikerta

Ensimmäisellä kurssikerralla tutustuttiin paikkatiedon perusteisiin ja paikkatieto-ohjelmisto MapIfon käyttöön. Paikkatietoon oli viitattu aikaisemmin aiemmilla luennoilla ja siitä oli myös puhuttu lukion kursseilla, mutta paikkatieto-ohjelmistojen käyttö ja sen tuomat mahdollisuudet olivat vielä epäselvät. Paikkatieto osaamisesta on kuitenkin maantieteilijälle hyötyä työelämässä, joten kurssi toivottavasti tarjoamaan tärkeitä taitoja paikkatieto-ohjelmistojen käyttöön.

Kurssin aluksi tutustuttiin MapInfon käyttöön yhdessä ohjatun harjoitustehtävän avulla. Ohjelman käyttö tuntui hieman jäykältä, eikä kovin luonnolliselta tai helppokäyttöiseltä. Kun alkuopastusten jälkeen ohjelma oli tullut jo hieman tutuksi, niin saimme tehdä oman teemakartan annetuista aineistoista. Itse päätin tehdä kartan väestöntiheyksistä Suomen kunnissa vuonna 2015 (Kuva 1).

Kuva 1 Väestöntiheys kunnittain 2015

 

Kartan tekeminen tukeutui paljolti edeltävän tehtävän esimerkkiin ja ohjeisiin tukeutumiseen, mutta luultavasti, kun ohjelma tulee tutummaksi, myös karttojen teko nopeutuu ja eri ohjelman niksit tulee tutuksi. Teemakarttojen luominen vaikuttaa kuitenkin melko yksinkertaiselta prosessilla, vaikka esimerkiksi pohjoisnuolen asettelu on toteutettu hieman oudosti.

 

Kartassa (Kuva 1), joka kuvaa väestöntiheyksistä Suomen kunnista huomaa, että kuntaliitokset ovat vaikuttaneet Suomen kuntakarttaan, eikä väestöntiheyskartta välttämättä kuvaa parhaalla tavalla väestön keskittymistä ja suurimpia kuntia. Kartasta näkee kyllä, että väestö sijoittuu suurelta osin etelän kuntiin, mutta esimerkiksi Oulu näkyy kartassa samalla väri sävyllä, kuin Kokkola, vaikka kyseessä on merkitykseltään hieman erikokoisista kaupungeista. Värien erottaminen toisistaan ei ole itsestään selvää, kuten myös Johannes Vihervirta toteaa blogissaan (Vihervirta, 2016).  Väestöntiheyskarttaa laatiessa olisi ehkä järkevämpää luokitella Suomi kuntien sijasta maakuntiin, jolloin kuntaliitosten vaikutukset eivät näkyisi samalla tavalla. Myös legendan luokittelua muokkaamalla voisi saada informatiivisemman kartan aikaan.

 

Kurssikerta antoi hyvän alustuksen tueville kurssi kerroille. Vaikka ohjelman käyttö tuntuu vielä tällä hetkellä hieman monimutkaisella, se tuntuu kuitenkin täysin haltuun otettavalta. Vaikka ohjelma tuntuu jäykältä, sillä saa melko helposti luotua erilaisia teemakarttoja.

 

Lähteet

Vihervirta, Johannes (2016). Tutustuminen paikkatietoon ja MapInfo-ohjelmaan (19.1.2017)

https://blogs.helsinki.fi/johviher/