Raportti 7: Vihdoin VALMISTA

Viimeisellä kurssikerralla teimme omavalintaisen kartan, johon aineistot piti etsiä jo ennen kurssikertaa. Kurssikerran 5 vietin Dubaissa ja siellä aloin miettimään millainen työttömyystilanne Lähi-idässä on. Myös Dubaissa asuvien etniset taustat olisivat olleet kiinnostava aihe, josta tehdä kartta. Kuitenkaan näitä tietoja en Internetin ihmeellisestä maailmasta oikein löytänyt. Kaikissa maissa tilastot eivät olleet tarkkoja, tai niitä ei ollut ollenkaan. Päädyin lopulta tekemään työttömyydestä sekä Internetin käytöstä.

pak7

Kuva 1 Työttömyysaste ja Internetin käyttö Lähi-Idässä sekä Pohjois-Afrikassa

Kartan tekemistä vähän hankaloitti Egea-vaihto Leuvenin kanssa, sain jatkuvasti neuvoja joka hankaloitti omaa keskittymistä, vaikka olikin välillä hyödyllistä. Kuitenkin jos olisin omassa rauhassa miettinyt, miten vaikka uuteen sarakkeeseen lisätään tieto, olisin sen osannut tehdä. Lopputuloksestani ei ehkä tullut visuaalisesti tai oikeastaan millään tavalla kovinkaan hieno. Alueeni on siis Pohjois-Afrikka ja Lähi-Itä, jäin miettimään tuota työttömyysprosenttia, että onko se oikeasti noin alhainen melkein jokaisessa maassa. Legendassa kuuluisi myös lukea työttömyysaste eikä vain työttömyys. Suomessahan työttömyysaste on ollut 9.3 2015 huhtikuussa. Jotenkin odotin, että myös ainakin Pohjois-Afrikassa työttömyys olisi suurempi ongelma.

Myös Internetin käyttäjien määrä jäi ihmetyttämään. Varsinkin tuo suuri piste merellä, jossa on Malta. Ajattelin, että Malta kuitenkin kuuluisi Eurooppaan (tein kuitenkin kyselyn Mapinfossa, jotta se erittelisi vain Middle East ja North-African). Ehkä jossain luokittelussa Malta kuuluu Pohjois-Afrikkaan. Oikeastaan koko karttatehtävä jäi vähän oudoksi ja kartan tekemisen jälkeen jäi vain enemmän kysymyksiä ja ehkä pieni hirvitys millaisen kartan saan aikaan yksin.

Luin artikkelin Taloussanomista Lähi-Idän ja Pohjois-Afrikan nuorisotyöttömyydestä, joka on artikkelin mukaan samaa tasoa kuin Unkarissa. “Yhdistyneiden kansakuntien (YK) taloudellisten ja sosiaalisten asioiden osasto (DESA) arvelee helmikuussa julkaistussa nuorisotyöttömyysraportissaan, että Lähi-idän ja Pohjois-Afrikan maiden korkeat nuorisotyöttömyysluvut olivat keskeinen syy arabimaiden kansannousujen takana. Raportin mukaan nuorten työttömyysaste oli vuonna 2010 Lähi-idässä 25,5 prosenttia ja Pohjois-Afrikassa 28,8 prosenttia.” Nämä tiedot eivät ehkä mene ihan yhteen oman karttani tietojen kanssa, vaikka kartan tiedot otinkin Worldbankin sivuilta. Vaikka on tietenkin mahdollista, että muiden ikäluokkien työttömyys on sitten reilusti alhaisempaa. Kuitenkin Arabikevään yhtenä syynä on myös pidetty työttömyyttä, jolloin uskoisin tilastojen olevan vähän erinäköisiä.

Kuitenkin olen iloinen, että sain jotain tehtyä. Monet kurssitoverit joutuivat pohtimaan millaisen kartan he nyt tekisivätkään. Eikä kaikilla ollut aineistoa edes valmiina. Oma karttani ei ole ehkä kaunein, mutta sain kuitenkin tuotettua luettavan kartan. Vaikka ehkä olenkin skeptinen kartassa olevista tiedoista ja kartta näyttää visuaalisesti siltä, että sitä vaivaisi rutto. Pisteet menevät myös valtioiden rajojen päälle, joten karttaa saattaa olla hankala tulkita. Ei ehkä hienoin lopetus tälle kurssille, mutta jonkunlainen lopetus kumminkin.

Lähteet:

Worldbank(2012) http://data.worldbank.org/indicator

Johannes Niemeläinen (2012) ,Nuorisotyöttömyyden aikapommi tikittää jo, Taloussanomat, http://www.taloussanomat.fi/politiikka/2012/04/16/nuorisotyottomyyden-aikapommi-tikittaa-jo/201227258/12 Luettu 15.3.2016

Raportti 6: opettajan roolissa

Aloitimme kurssikerran kävelemällä kampuksen ympäristössä ryhmissä ja keräämällä jonkun kohteen koordinaatit GPS-laitteen avulla, oma ryhmäni valitsi kohteiksi roskikset. Itsenäistehtävässä taas tuli laatia kolme hasardikarttaa. Aineistoa oli maanjäristyksistä, tulivuorista ja meteoriiteista ja piti pohtia jos olisi itse opettajana, millaisia karttoja tekisi opetuskäyttöön. Tein karttani maanjäristyksistä ja tulivuorista sekä meteoriiteista. Mapinfoon tiedostojen tuominen oli jo arkipäivää, joten tehtävä ei ollut kovinkaan hankala. Se oli mukavaa verrattuna edellisen kerran bufferointiin.

pak6

Kuva1. Yli 6 magnitudin maanjäristyksen maapallolla.

pak6.1

Kuva 2. Tulivuoren purkaukset sekä yli 6 magnitudin maanjäristykset maapallolla

pak6.2 (1)

Kuva3. Meteoriitit maapallolla vuosina 2010-2016

Tulkintaa

Kahteen ensimmäiseen karttaan laitoin sekä pohjoisnuolen että mittakaavan, vaikka ne tietenkään eivät kuulu maailmankarttaan. Kuitenkin olin jo niin tottunut lisäämään ne, että se tuli ihan automaattisesti. Kuitenkaan en tehnyt karttoja uudestaan, koska mielestäni tämä virhe oli sellainen mikä tämän virheen kautta muistuu myöhemminkin. Muuten kartat ovat mielestäni aivan onnistuneita. Ehkä tulivuorten purkauksien ja maanjäristysten symboli olisi voinut olla erilainen, mutta koska maanjäristykset ovat vihreitä ja purkaukset punaisia ne kuitenkin erottuvat toisistaan hyvin.  Kahdesta ensimmäisestä kartasta myös näkee hyvin, että purkaukset sekä maanjäristykset tapahtuvat samoilla alueilla.

Bergström Karoliina pohtii omassa blogissaan: “Halusin tehdä nämä kolme karttaa esittämään kuvitelluille oppilailleni, miten magnitudin suuruus on kääntäen verrannollinen järistysten määrään. Yli 8 magnitudin järistyksiä on verraten vähän ja yli neljän magnitudin järistyksiä massiivinen määrä. Kartoilta myös näkee kuinka pieniä järistyksiä esiintyy myös mannerlaattojen keskellä, kun taas suuria vain reunoilla.” Mitä mietin myös itse, mutta päädyin tekemään jokaisesta aiheesta oman kartan (paitsi tulivuoret ja maanjäristyksen yhdistin myös yhteen karttaan). Tästä blogitekstistä opin myös itse, että pienempiä järistyksiä esiintyy keskellä, eli ne ovat varmaan jonkunlaisia lohkoliikuntoja?

Viimeisin karttani oli meteoriittikartta, jota jäin kyllä miettimään. Jotenkin ajattelin että 6 vuodessa olisi vähemmän meteoriitteja, mutta toisaalta laskin mukaan ihan jokaisen havaitun meteoriitin, eikä niiden koolla ollut väliä. Opetuskäytössä kartta näyttäisi, että meteoriitteja tulee 6 vuoden sisäänkin verrattain paljon. Kartoissa oli hyvä monipuolisuus ja ne olisivat opetuskäytössä hyviä näyttämään uusimpia ilmiöitä sekä niiden sijoittumista. Kahden ensimmäisen kartan lisäksi voisi myös olla hyvä näyttää karttaa litosfäärilautoista, jolloin ilmiön esiintymiselle oppilaat löytäisivät syy-seuraussuhteet.

Maanjäristykset: http://quake.geo.berkeley.edu/anss/catalog-search.html, Luettu 24.2.2016

Meteoriitit: https://www.google.com/fusiontables/DataSource?docid=1vHSvjNgCIl6kRhFXPHhvESnnYx_ShToJWtWdjm8#rows:id=1, Luettu 24.2.2016

Tulivuoret: http://www.ngdc.noaa.gov/nndc/struts/form?t=102557&s=5&d=5, Luettu 24.2.2016

Bergström Karoliina, 6. Kurssikerta. GPS-paikannusta ja maanjäristyksiä, https://blogs.helsinki.fi/bekabeka/2016/03/11/kurssikerta-6-gps-paikannusta-ja-maanjaristyksia/, Luettu: 15.3.2016

 

Raportti 5: bufferointia

En päässyt tunnille tai edes korvaamaan, koska olin lomalla Dubaissa koko viikon. Kuulin muilta kurssitovereiltani, että tehtävät olivat hankalia, joten niiden yksin opettelu hirvitti. Tunnin aiheena oli siis bufferointi. Bufferoinnilla tarkoitetaan tietyn alueen sisälle jäävien kohteiden lukumäärän laskemista. Olin edellisellä kerralla piirtänyt kartalle Pornaisten keskustan alueen suurimman tiestön ja kaikki asuinrakennukset. kurssikerran tehtävänä oli bufferoida asuin talot jotka olivat 500 metrin päässä teistä. Karttaan piti myös piirtää terveyskeskus ja koulu ja bufferoida siitä tietyllä etäisyydellä sijaitsevat asunnot.

Luin muiden blogeja ennen kuin tartuin itse tehtävään ja niistä huomasi selvän turhautumisen. Myös minulle tehtävät olivat hyvinkin vaikeita, koska en päässyt edes kurssikerralle, jossa bufferointia olisi jotenkin avattu ja ehkä tehty yhteisiä tehtäviä. Jopa harjoitustehtävät tuntuivat hankalilta, koska jouduin omalla ajalla opettelemaan ja vääntämään näitä tehtäviä. Pyysin kuitenkin kurssikavereiltani vähän apua ja sain tehtävät jotenkin tehtyä.

 

Sieppaa

 

Taulukko 1. Itsenäistehtävien vastauksia.

Bufferointi ei ollut minulle oikein tuttu termi, vaikka hämärästi puskuroinnista muistan kuulleeni. Olisi ehkä ollut hyvä päästä juuri tällä viikolla kurssille, koska varsinkin karttojen teko ja Mapinfoon tietojen tuonti on jo aika arkipäiväistä, mutta bufferointi jäi ehkä vähän hankalaksi omalta osaltani. Kuitenkin keksin asioita mihin puskurointia voitaisiin käyttää, vaikka en ehkä itse sitä osaisi tehdäkään. Puskurointia voitaisiin käyttää onnettomuustilanteissa onnettomuuden laajuuden ja vaikutusalueen laskemisessa, esimerkiksi jos tapahtuisi ydinonnettomuus ja laskettaisiin sen vaikutusalue. Tai saavutettavuusanalyysissa, eli rakennusten sijoittamisen laskemista, jotta se olisi mahdollisimman hyvin saavutettavissa. Bufferointi on siis hyvinkin tärkeä keino esimerkiksi kaupunkisuunnittelussa ja toivottavasti sitä käytetään muillakin kursseilla, jotta oppisin myös tekemään sen hyvin.

Olen samaa mieltä Saksa Nooran kanssa ” Kurssin aikana eniten käytetyt työkalut alkavat tulla jo tutuiksi, mutta hieman harvemmin käytetyt toiminnot eivät ole vielä itselleni kovin selkeitä.”  Bufferointi jäi kuitenkin enemmänkin ajatuksen tasolle. Muutenkin Mapinfossa on varmasti monta toimintoa, jonka voisi vielä osata paremmin. CorelDrawin käyttö tuli niin helpoksi edellisen kurssin aikana, mutta Mapinfo on kuitenkin ehkä vielä enemmän mysteeri.

Kurssikerrasta jäi hyvinkin vaikea olo ja toivoin vain, että olisin pitänyt lomani, jollain toisella viikolla.

Lähteet:

Saksa Noora, Kurssikerta 5. Bufferointia, https://blogs.helsinki.fi/saksanoo/2016/02/24/kurssikerta-5-bufferointia/ Luettu: 15.3.2016

Kurssikerta 5. 

Artikkeli

Anna Leonowiczin artikkeli (2006) Two-variable choropleth maps as a useful tool for visualization of geographical relationship käsittelee kahden muuttujan koropleettikarttoja, miten ne poikkeavat tavallisista teemakartoista ja mikä on niiden vahvuus ja heikkous. Artikkeli käsittelee kuinka helposti ymmärrettäviä kahden variaabelin koropleettikartat ovat ja kuinka ne esittävät parhaiten kahden erimuuttujan välisiä suhteita. Yhden muuttujan koropleettikartta esittää hyvin alueellista jakautumista ja sitä saattaa olla helpompi ymmärtää kuin kahden muuttujan karttaa.
Kaksi muuttujaa kuvataan kartassa siis asetettujen värien yhdistelmänä; esimerkiksi muuttuja X on kuvattu punaisena, (mitä suurempi arvo X-muuttujaa sitä punaisempi väri) ja muuttuja Y sinisenä. Tällöin jos alue käsittää X ja Y muuttujia (molempia) keskimääräisesti, on alueen väri vaalean violetti. Mikäli kumpaakin muuttujaa esiintyy paljon, on alue tumman violetti jne.

Leonowicz antaa artikkelissaan ohjeita, jotta päällekkäisten teemakarttojen ulkonäkö olisi mahdollisimman helposti luettavissa. Esimerkiksi on tärkeää kiinnittää huomiota kartan visuaaliseen toteuttamiseen ja selkeyteen. Kahden muuttujan kartassa ei saisi olla enemmän kuin kolme luokkaa. Tekstissä kerrotaan lähinnä kartoista, joissa muuttujat on kuvattu kahdella eri värillä, tässä tapauksessa punaisella ja sinisellä. Kaksi muuttujaa kuvataan kartassa siis asetettujen värien yhdistelmänä; esimerkiksi muuttuja X on kuvattu punaisena, (mitä suurempi arvo X-muuttujaa sitä punaisempi väri) ja muuttuja Y sinisenä. Tällöin jos alue käsittää X ja Y muuttujia (molempia) keskimääräisesti, on alueen väri vaalean violetti. Haastavaa tällaisessa kartassa on se, ettei kartasta välttämättä ymmärrä mitään, jos ei lue legendaa tarkasti. Legendaan perehtyminen vaatii lukijaltaan aikaa ja kiinnostusta.

Enkä itse ehkä alkaisi käyttämään samanlaisia karttoja verrattuna karttoihin mitä olemme itse tehneet kurssikerroilla. Eli toisessa kartassa käytetään värejä ja toisessa symboleita. Artikkeli on ehkä suunnattu enemmän yleisölle, jolla on jo jonkinlainen kiinnostus karttoja ja niiden tekemistä varten. Eikä esimerkiksi lukioikäisille, koska karttojen ymmärtäminen vaatii aikaa ja siitä on ymmärrettävä muuttujien korrelaatio sekä värien merkitys. Karttaa tulkitessa on hyvinkin mahdollista, että sen sanoma jää epäselväksi.

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

Raportti 4: korologinen matriisi

Tällä kerralla harjoittelimme korologisen matriisin tekoa Mapinfossa sekä jatkoimme eri layereiden lisäilyä. Loppujen lopuksi korologisen matriisin käyttäminen oli helppoa ja Mapinfon käyttö sujuu jo kivuttomammin. Pieniä mokia tuli tehtyä, mutta onneksi niihin sai helposti apua.

pak4

Kuva1. Eteläsuomen ulkokansalaisten määrä

 

Kartan teko

Teimme samalle kartalle jolle harjoittelimmekin oman kartan valitsemallamme korologisella matriisilla. Ensimmäisen matriisin ruutukoko oli aivan liian suuri joten päädyin valitsemaan 750X750 ruutukoon. Aika monet valitsivat ulkokansalaiset aiheekseen matriisiin. Korologisen matriisin tekemisen jälkeen piti taas lisäillä tarvittavia tietoja siihen jotta voitaisiin tehdä koropleettikartta, kuten omaan karttaani lisäsin ulkokansalaisten määrän. Tällöin Mapinfo laski niiden pisteiden määrän per ruutu ja lopputulokseksi tuli yllä oleva kartta.

Analyysi

Karttaan lisäsin myös tiestön, eikä siitä tullut ehkä visuaalisesti kovin helposti katseltava. Tilastosta puuttuu myös vuosiluvut. Kartta kuitenkin näyttää paremmalta kun poistin korologisen matriisin reunat. Olen ihan tyytyväinen lopputulokseeni, vaikka aina löytyisi parannettavaa ja tunnilla pitäisi jaksaa pysyä hereillä se 4 tuntia, jotta kartasta tulisi paras mahdollinen

Rautakoski Helena miettii omassa blogissaan: “Kumpi ruutukoko sitten olisi parempi? Mielestäni kummallakin kartalla on etunsa. Ylemmässä kartassa, jossa ruutukoko on pienempi, on tietysti myös enemmän tietoa. Siitä näkee tarkemmin, miten ruotsinkieliset alueella jakautuvat, ja sen takia se on myös todenmukaisempi. Alemmassa kartassa suuri ruutukoko hävittää jonkin verran tietoa, mutta toisaalta luettavuus on paljon parempi.” Eli miten korologisen matriisin ruutukoko vaikuttaa esitettävän asian tarkkuuteen. Omassa kartassani kokeilin vähän mielivaltaisesti mikä ruutukoko näyttäisi parhaalta, enkä ehkä keskittynyt miettimään parasta vaihtoehtoa.

Rautakoski Helena, Kurssikerta 4: Ruudukkoa ruotsinkielisistä, https://blogs.helsinki.fi/helenrau/2016/02/11/kurssikerta-4-ruudukkoa-ruotsinkielisista/ 15.3.2016

Raportti 3: tulvia ja Afrikan konflikteja

Tällä kerralla harjoittelimme Mapinfoon tiedostojen tuomista, turhien tiedostojen poistamista, niiden yhdistämistä (joko nimen/aluekoodin… perusteella) ja uusien tietojen tuottamista esimerkiksi laskemalla tiedostoja yhteen. Aluksi harjoittelimme tätä Afrikan kartalla ja myöhemmin siirryimme Suomen karttaan. Moodlessa löytyi onneksi hyvät ohjeet ja kävimme tehtäviä vaihe vaiheelta, jolloin taululta pystyi nähdä miten kaikki tehdään.

 

Suomen kartta pak3                                                                                                                                                              

Kuva. 1 Kartogrammi Suomen tulvaindeksistä sekä järvisyydestä valuma-alueittain

Kartan tekeminen oli aika helppoa, kunhan vain katsoi vähän neuvoa Afrikan kartan ohjeista. Tulvaindeksiä mitataan lukemani mukaan kilometreissä, mutta se määre puuttuu valmiista kartasta. Myös järvisyyden jäljessä voisi lukea, että se mitataan prosenteissa.

Karttaa tulkitessa voi huomata, että alueilla joissa järvisyys on pientä esiintyy enemmän tulvia. Suurin tulvaindeksi esiintyy länsi ja Etelä-Suomessa. Pohjanmaalla, Varsinais-Suomessa ja Uudellamaalla on paljon viljelysmaita ja samalla tulvariskit ovat suurempia. Tulvariskiä lisää esimerkiksi soiden ja järvien kuivaus viljelykäyttöön. Karttaa tutkimalla voidaan miettiä esiintyykö tulvaindeksin ja järvisyyden välillä kausaliteettia, eli aiheuttaako vähäjärvisyys tulvia, kun vesimassalla ei ole paikkaa minne varastoitua. Myös rakennettu ympäristö aiheuttaa tulvia, esimerkiksi asvaltti estää veden imeytymisen maaperään ja saattaa esiintyä kaupunkitulvia eli hulevettä.

Hakala Anna sanoo omassa blogissaan. “Runsasjärviset vesistöt tulvivat ainoastaan silloin, kun takana on useita runsassateisia vuosia. on myös syytä huomioida, että esimerkiksi Saimaan pinta nousee ja laskee useita kymmeniä senttimetrejä eri vuosina, mikä johtuu osittain ihmistoiminnasta ja vesistön varrelle rakennetuista padoista, joilla ohjataan veden kulkua. Vaikka vesi olisikin hetkellisesti tavanomaista korkeammalla, ei kyse välttämättä ole tulvasta.”  Tämä on omasta mielestäni hyvä pointti, jota en itse tullut edes ajatelleeksi. Mutta tietenkin jokainen vuosi on erilainen ja myös ihmisten toiminta ja rakentaminen vaikuttavat tulviin.

 

Kurssikerralla pyydettiin myös miettimään minkälaisia tuloksia voitaisiin saada käyttämällä konfliktin tapahtumavuotta, sen laajuutta kilometreinä, timanttikaivosten löytämisvuotta, kaivausten aloittamista, tuottavuusluokittelua, öljykenttien poraamisvuotta, tuottavuusluokittelua sekä Internetkäyttäjien lukumäärää. Vertailisin esimerkiksi vaikuttavatko timanttikaivokset vai öljykentät enemmän konflikteihin, vähentyykö Internetkäyttäjien määrä konfliktien lisääntyessä, alkavatko konfliktit jo timantti- tai öljykaivosten löytämisestä vai kaivausten aloittamisesta. Näillä tiedolla voitaisiin vertailla monipuolisesti syy-seuraussuhteita.

Kartan avulla olisi helppo nähdä miten esimerkiksi konfliktit vaikuttavat internetinkäyttäjien määrään. Melkein jokainen muuttuja sopii toistensa kanssa vertailtavaksi ja muodostamalla näistä tiedoista karttoja voitaisiin helposti vertailla ilmiöiden kausaliteettejä, joita uskon olevan paljon.

Hakala Anna: 3 Kurssikerta, https://blogs.helsinki.fi/hakanna/2016/02/03/3-kurssikerta/ Luettu 15.3.2016

 

Raportti 2: Kartogrammin tekoa

Karttojen tekemistä

Toisella PAK tunnilla jatkoimme koropleettikarttojen tekoa. Karttoihin tuli vielä lisäksi joko pylväs-, ympyrä-, symboli- tai pistekartta. Karttojen tekeminen oli melkein kokonaan samanlaista kuin edellisellä kerralla, paitsi koropleettikarttojen sijaan niistä tuli kartogrammeja. Lopulta aloimme tehdä omia karttoja ja olisimme voineet hakea sotkanetistä lisää tietoja. Löysin kuitenkin mielenkiintoiset aiheet jo valmiina olevasta aineistosta. Päädyin tekemään kaksi karttaa, yhden koko Suomesta ja toisen Etelä-Suomesta.

pak

Kuva1. Maastamuutto ja maahanmuutto koko Suomi 2015

pak2

Kuva2. Etelä-Suomen väestönlisäys sekä kuntien välinen nettomuutto.

Mapinfon käyttö oli aivan samalaista kuin edellisellä kerralla, eikä paljon uusia muunnelmia tullut. Ehkä uusia ulottuvuuksia olisi saanut tuomalla sotkanetin tiedostoja Mapinfoon.

Analyysi

Heti ensimmäinen virhe oli käyttää molempiin karttoihin samoja värejä, vaikka ne kuvaavat eri ilmiöitä. Tästä lukija nopeasti karttoja katsoessaan ymmärtää kuvien kuvaavan samoja ilmiöitä Ensimmäisestä kartasta eli kuva1. Unohdin myös vaihtaa legendan englannin kieliset ilmaukset pois.

Kartan normaalijakauma vääristää karttaa jonkun verran, mutta se oli ainoa vaihtoehto jotta kartasta tulisi hyvännäköinen ja jokaiseen luokkaan tulisi jotain tuloksia. Suurin luokkajako oli 0-10 ihmistä jossa on 192 kuntaa ja viimeinen luokkajako on suuri eli 40–3180 ihmistä, jolloin karttaa tulkitessa saattaa tulla väärä käsitys ellei huomaa luokkajaon epätasapainoa. Myös kartan maahanmuuttoa voi olla hankala tulkita, koska kartan ihmissymbolit ovat hyvinkin pieniä tai ne menevät päällekkäin. Muuten kartasta löytyy kaikki tarvittava tieto.

Kuva 1 perusteella maastamuutto on vähäistä, eli suurimmassa osassa kuntia eli 192 kunnassa maastamuuttoa on 0-10 ihmistä vuodessa. Seuraavaksi isoimmassa luokassa maastamuuttoa on 10–20 ja siihen kuuluu 51 kuntaa. Aloin samalla miettimään miksi luokkajaossa on kaksi samaa numeroa, esimerkiksi ensimmäisessä ja toisessa luokassa on molemmissa 10. Eikö seuraavan luokan pitäisi olla 11–20 sen jälkeen 21–30? Vääristääköhän tämä luokittelu saatuja tuloksia. Kuitenkin myös viimeisessä luokittelussa eli 40–3180 on 39 kuntaa, joka on aika paljon. Tilastokeskuksen tilastojen mukaan Suomesta ulkomaille muutti 2014 vuoden aikana 15 490 henkeä. Kuitenkin maahanmuutto oli vuonna 2014 melkein kaksikertaa suurempaa. Saa nähdä miten nykyinen maahanmuutto/pakolaistilanne vaikuttaa vuoden 2015/2016 tilastoihin.

Kuva 2. eli Etelä-Suomen väestönlisäys sekä kuntien välinen nettomuutto esittää siis väestönlisäystä ja nettomuuttoa (positiivista tai negatiivista). Kartasta on helpompi saada selvää kuin kuva 1:stä, koska alueet näkyvät suurempina. Karttaa tehdessä tein kyselyn, jonka avulla pystyin erotella Etelä-Suomen koko Suomen kartasta. Mutta myös tässä kartassa ihmissymbolit näkyvät joissain kunnissa hyvinkin pieninä. Helsingissä nettomuutto on suurinta eli siellä väkiluku kasvaa. Järvenpäässä nettomuutto on negatiivista, joka tarkoittaa, että lähtömuutto on suurempaa kuin tulomuutto.

Muiden karttoja lukiessa huomasin myös, että symbolit ja muut merkit jäävät hyvinkin pieniksi ja niistä on vaikea saada mitään kunnon kuvaa tai tarkkaa analyysia. Eli mapinfon kartogrammejen heikkous on koropleettikartan päälle laitettujen symboleiden vaikea luettavuus, eikä niiden suurentaminenkaan välttämättä auta. Symboleita suurentaessa vääristävät ilmiötä ja saattavat peittää alueita kartalta. Ehkä pylväs- tai ympyrädiagrammia voisi olla helpompi tulkita, kuin symboleita. Näin ainakin Gröngroos Aino päätti omassa karttatyössään.

Tilastokeskus (2014) Maahanmuutto ja maastamuutto

Gröngroos Aino, 2. Kurssikerta, https://blogs.helsinki.fi/ainogron/2016/01/31/2-kurssikerta/ Luettu: 4.2.2016

Raportti 1: Mapinfoon tutustuminen

Mapinfon käyttö

Ensimmäisellä kurssikerralla tutustuimme Mapinfon käyttämiseen. Kävimme läpi miten erilaisia tasoja voidaan käyttää hyväkseen koropleettikartan teossa sekä miten kartat muodostuvat. Koska kaikki Mapinfon käyttäminen on täysin uutta, harjoittelu oli tarpeen. Omalla kohdallani Mapinfon käyttäminen oli hidasta, varsinkin zoomaus sekä pienennys, koska ohjelma oli hyvin hidas. Teimme tunnilla harjoituskartan, joka auttoi oman kartan luomisessa. Sen jälkeen sai itse valita aiheen josta teki oman koropleettikartan. Valitsin oman koropleettikarttani aiheeksi taloudellisen huoltosuhteen.

 

 

pak1kartta

kuva1. Taloudellinen huoltosuhde Suomessa 2015

 

Kartan laatiminen

Karttaan sai itse valita värit, jotka omasta mielestään kuvasivat parhaiten valittavaa ilmiötä. Huoltosuhteelle ei ehkä ole mitään omaa väriä, joka olisi ollut heti mielessä. Huoltosuhde siis tarkoittaa kuinka monta työtöntä on työssäkäyvää kohden. Esimerkiksi kun huoltosuhde on 1, jokaista työssäkäyvää ihmistä kohden on yksi ihminen, joka ei käy töissä.  Käytin kartan luokitteluun normaalijakaumaa ja lopulta lisäsin pohjois-nuolen sekä mittakaavan.

 

Analyysi

Kartan väritys voisi olla parempi, ehkä jotkut neutraalimmat sävyt. Luokittelu on ihan onnistunut, vaikken käyttänytkään histogrammia sen luokitteluun. Kartan perusteella voidaan päätellä, että Koillis-Suomessa työttömyys sekä työikäisten määrä on pieni. Etelä-Suomessa huoltosuhde on pienin. Taloudellinen huoltosuhde laskee huoltosuhteeseen, jokaisen joka ei ole töissä. Eli esimerkiksi,  työttömät, 0–14-vuotiaat, opiskelijat, ase- tai siviilipalvelusta suorittavat, eläkeläiset sekä muut työvoiman ulkopuolella olevat, esimerkiksi omaa kotitalouttaan hoitavat.

Myös kartan mittakaavan olisi voinut muuttaa suomenkieliseksi ja siihen tuli myös janamittakaavan lisäksi suhdeluku. Kuitenkin kartta kuvaa selkeästi havaittavaa ilmiötä, sekä siitä löytyy kaikki tarvittavat tiedot. Histogrammin käyttäminen jäi opettelematta, mutta se olisi voinut olla hyvä apu luokkajakojen tekemiseen. Kuitenkin kokeilin jokaista eri luokkajakoa ja mielestäni normaalijakauma tuotti visuaalisesti parhaan kartan.

Luin myös muiden kirjoittamia blogeja ja varsinkin Hakalan Annan ensimmäinen blogiteksti oli mielenkiintoinen, koska hän oli tehnyt kartan  samasta aiheesta. Hakala sanoo omassa blogissaan ”  Myös erot huoltosuhteessa ovat loppujen lopuksi suhteellisen pieniä.” Kuitenkin suurimmassa luokassa jokaista työssä käyvää ihmistä  vasten on noin 2 ihmistä jotka eivät ole töissä. Tämä on mielestäni hälyyttävä huomio, sekä työttömyyden että työpaikkojen kohdalta Itä-Suomessa sekä Keski-Suomessa. Myöskään missään kunnassa huoltosuhde ei ole kuin vähän alle 1, eli jokaisessa kunnassa on työssäkäyvää henkilöä kohden yksi työtön.

Hakalan Annan blogi: https://blogs.helsinki.fi/hakanna/2016/01/21/1-kurssikerta/ Luettu: 2.2.2016