Artikkeli 1.

Artikkeli 1.

 

Tehtävänä oli analysoida artikkelia, joka kertoi kahden teemakartan päällekkäisen esittämisen suhteesta ja visualisoinnista työkaluna. Tiedot tehtävään saimme ”Two variable choropleth maps as a useful tool for visualization of geographical relationsip” artikkelista. Artikkelissa kerrotaan esimerkiksi kartan tekemisen vaikeudesta ja siihen liittyvistä ongelmista. Esimerkiksi oikean luokkamäärän ja värien valinta osoittautuu hankalaksi usein. Myös asioiden syy-seuraus suhteiden ymmärtäminen kahden erillisen kartan välillä osoittautuu ihmisille usein vaikeaksi ja tästä syystä kahden koropleettikartan päällekkäinen esittäminen olisi tärkeää. Artikkelissa kerrotaan myös legendan rakentamisen tärkeydestä tämän tyyppisissä esityksissä.

Oppilaille tehdyt testit osoittivat kiinnostuksen nousua käsiteltyyn asiaan kun se esitettiin tällä tavoin, vaikea sanoa olisiko sama reaktio muilla kuin maantieteen opiskelijoilla. Esitystavan hahmottaessa kartanluku nopeutuu, koska syy-seuraus suhteet ja alueellisuus tulevat helpommin ilmi. Tähän auttavat graafisesti hyvin suunnitellut kartat.

Juuri syy-seuraus suhteiden havainnoinnin vuoksi päällekkäisten koropleettikarttojen valmistaminen on tärkeää. Se auttaa ymmärtämään asian laajemmin ja havainnoillisemmin. Luokkajaot korostuvat lisää tässä esitystavassa, koska ne auttavat lukijaa ymmärtämään kartan esittämät asiat selkeästi, jos ne on valittu oikein Kaksiulotteiset väriskeemat ovat käytössä, koska värien pitäisi olla selkeitä ja samalla erotettavissa toisistaan.

Itselleni hankalia asioita artikkelissa oli valittujen värien merkitys, mutta toisaalta juuri näiden lukeminen auttaa tulevaisuudessa valitsemaan hyvät värisävyt omiin karttoihin. Graafiset valinnat ovat aiheuttaneet itselleni paljon päänvaivaa. Lisäksi legendan ymmärtäminen tuntui vaikealta, kun en ollut tämän tyyppiseen ennen tutustunut.

Tällaisesta teemakartasta on helpompi esittää syy-seuraus suhteet haluttujen asioiden välillä. Tämä voi johtua siitä, että halutut ilmiöt saadaan näytettyä samanaikaisesti, jolloin ei tarvitse vilkuilla kahden kartan välillä. Kuitenkin ilmiön spatiaalinen tarkastelu osoittautuu hankalammaksi kuin tavallisessa teemakartassa. Tavallisessa karttaesityksessä legenda ei ole tälläinen x-y akselin välinen työkalu vaan yksinkertaisempi. Legenda kertoo maalaisasutuksen ja alle 18-vuotiaiden määrän välisen suhteen. Kartasta voi päätellä nuoremman asutuksen painottuvan kauemmas pääkaupungista maaseudulle.

Tällainen kartografinen esitys edellyttää lukijalta kiinnostusta käsiteltävään asiaan sekä jo valmiita kartografisia taitoja esitettävien asioiden ymmärtämiseksi. Tämä voi johtua siitä, että ihmisiä on vaikea ohjata tämän tyyppisiin kartta esityksiin heidän ollessa tottunut selkeisiin yleissilmäys karttoihin.

Itse hieman amatööri paikkatieto-ohjelmien käyttäjänä, toimii esimerkiksi Mapinfon avulla luodut kartat paremmin ja tuntuvat helpommin rakennettavilta kuin artikkelissa esitetyt tavat asioiden esittämiseksi. Kuitenkin jos harjoittelisimme ahkerasti tälläisten karttojen tekoa, voisi tulokset olla hyviä osaamiseni kehittämiseksi. Mielestäni esimerkiksi Mapinfolla luotavat kartat luultavasti ovat mukavampia toteuttaa ja nopeammin opittavissa. Vaikea kuitenkin sanoa, koska emme ole harjoitelleet juuri muiden ohjelmien käyttöä. Jos joskus olen ammattilainen asian suhteen, voisin kuvitella kartografisen toteutuksen olevan ohjaavana tekijä, mutta näin opintojen alkuvaiheessa välineellä on paljon väliä onnistuneen esityksen luomiseksi.

Tehtävässä hankalin osuus oli englannin kieli, joka varsinkin tämän kaltaisessa tieteellisessä artikkelissa aiheutti harmaita hiuksia allekirjoittaneelle. Sanakirjaa joudun käyttämään varsin runsaasti ymmärtääkseni artikkelin ytimen. Vaikeuksia oli yleisesti ymmärtää artikkelissa esitetyt asiat, koska en ollut ennen tutustunut tämänlaiseen materiaaliin kartografiasta.

Ruikkalan PAK-blogi, Toni Ruikkala <https://blogs.helsinki.fi/ruikkala/> Luettu 30.1.2015

Kurssikerta 1.

Paikkatiedon hankinta, analyysi ja kartografia –kurssi aloitettiin palauttamalla mieleen paikkatiedon ominaisuuksia ja sen esittämiseen liittyviä seikkoja. Paikkatiedossa on tärkeätä muistaa halutun tiedon sijainti ja ominaisuudet kartalla. Sijaintitietoa on esimerkiksi koordinaatein kartalle merkitty ja ominaisuustieto taas kuvaa tarkasteltavan kohteen ominaisuuksia. Lisäksi kerrattiin paikkatietoaineistojen kerroksellisuutta sekä kuvattavien kohteiden tallennustapoja aineistoihin. Tämän voi tehdä joko rasteri- tai vektorimuodossa. Mielestäni oli mukava palauttaa näitä asioita mieleen, kun näistä oltiin viimeksi keskusteltu syksyllä ja tämä varmasti edesauttoi opiskelijoita.

Kertauksen jälkeen oli aika palata kartan tekoa varten MapInfon pariin, jonka avulla olimme kerran aikaisemmin toimineet. Ohjelmalla harjoittelimme erilaisten jakojen tekemistä ensin pääkaupunkiseudun alueella ja sitten siirryimme käsittelemään Suomen kunta-aineistoa. Tavoitteena oli luoda teemakartta omasta mielenkiinnon kohteesta sekä histogrammi aiheesta. Ohjelman käyttö tuntui pitkän ajan jälkeen melko hankalalta ja piti palauttaa mieleen erilaiset tavat tiedon tallentamiseen ja avaamiseen. Uskon kuitenkin ajan kanssa taitojen lisääntyvän kyseisen ohjelman kanssa.
Työttömyysaste_suomessa

histoparas

 

Valitsin itse teemakarttani kuvaamaan eri kuntien työttömyysasteita, koska pidän sitä mielenkiintoisena tarkasteluaiheena. Lähtökohtana mielessäni oli suurten kaupunkien omaavan paljon työpaikkoja, joten niissä tuskin olisi paljon työttömiä. Työttömiä ajattelin löytyvän Idän ja Pohjoisen syrjäisemmiltä seuduilta. Pitää muistaa, että esimerkiksi opiskelijoita ei lasketa työttömiksi. Opiskelijoita taas eniten on kaupunkiseuduilla, koska erinäiset korkeakoulut sijaitsevat niissä.
Kartasta huomaa alkuasetelmani olleen melko lähellä totuudenmukaisuutta. Kartalla työttömyysaste näyttää kasvavan Itään päin kuljettaessa. Vähiten työttömiä näyttää olevan pääkaupunkiseudun, Tampereen, Turun, Vaasan sekä Oulun läheisyydessä. Suurissa kaupungeissa yrityksiä houkuttaa esimerkiksi työvoiman tarjonta, muiden yritysten läheisyys ja tämän hyödyntäminen tuotannossa sekä markkinoiden läheisyys. Kartassa työttömyysaste kuvautuu vuoden 2010 tasossa, jolloin koko maan työttömyysaste oli 8,4 %.Työttömyysaste on 2014 marraskuussa 8.2 %, joka kertoo työttömyysprosentin hienoisesta laskusta.

Mielestäni karttani kuvaa onnistuneesti työttömien jakautumista kunnittain Suomessa ja värit ovat selkeät kuvattavaa asiaa koskien. Ensimmäisen ja viimeinen luokka ottavat melko suuren vaihteluvälin havaintoja, joka saattaa hämätä lukijaa. Esimerkiksi 15,1 % – 22,6 % ero työttömyysastetta tarkastellessa on melko massiivinen ja Itä-Suomi näyttäytyykin huolestuttavan punaisena kartalla. Kuitenkin luonnolliset vaihteluvälit olivat mielestäni paras mahdollinen valinta kuvaamaan tätä tilastoa.

Lähteet:

Suomen virallinen tilasto (SVT): Työvoimatutkimus [verkkojulkaisu].
ISSN=1798-7830. 2010. Helsinki: Tilastokeskus [viitattu: 26.2.2015]. Saantitapa: http://tilastokeskus.fi/til/tyti/2010/tyti_2010_2011-02-15_tie_001_fi

Suomen virallinen tilasto (SVT): Työvoimatutkimus [verkkojulkaisu].
ISSN=1798-7830. marraskuu 2014. Helsinki: Tilastokeskus [viitattu: 26.2.2015].
Saantitapa: http://www.stat.fi/til/tyti/2014/11/tyti_2014_11_2014-12-23_tie_001_fi