KURSSIKERTA 1 – Kartta vai kepponen

Paikkatiedon hankinta, analyysi ja kartografia -kurssi, eli PAK, alkoi perinteiseen tapaan maantieteen osaston GIS-luokassa. Edellisessä periodissa suoritettu TAK (Tiedon hankinta, analyysi ja kartografia) oli opettanut meidät käyttämään Corel Draw -ohjelmaa, sekä oli tutustuttanut meidät karttojen laatimisen monimutkaiseen maailmaan. PAK-kurssilla tutustumista syvennetään ihan tiedon alkutekijöihin, eli siihen, miten kartalla näytettävää tietoa hankitaan, käsitellään ja analysoidaan.

Kurssikerta alkoi teoriaosuudella ja kertauksella paikkatiedon määritelmästä ja käytöstä. Kertaus oli erittäin tervetullutta, sillä suoraan lukiosta tulleelle opiskelijalle, kuten minulle, monet paikkatietoon liittyvät asiat tuntuivat aikaisemmin kaukaisilta ja monimutkaisilta. Ensimmäiset kaksi kurssikertaa ovat tarkoitettu MapInfo-ohjelmaan tutustumiseen ja erilaisten teemakarttojen laatimiseen.

Teimme kurssikerran aikana kaksi harjoitustehtävää. Ensimmäinen harjoitus piti sisällään MapInfon ominaisuuksiin ja työkaluihin tutustumista Helsingin kaupungin paikkatietoaineistoa hyväksikäyttäen. Laadimme eri tilastotietoon perustuvien tietokantojen avulla teemakarttoja, ja harjoittelimme mm. erilaisten aineistojen luokittelutapojen käyttöä ja merkitystä kartan tulkinnassa. Harjoitus oli mielenkiintoinen, ja se osoitti miten hyödyllistä paikkatieto on kun tutkii mitä tahansa ilmiötä. Tilastotiedon yhdistäminen sijaintitietoon, eli paikkatieto, valkeni minulle viimeistään tämän harjoituksen aikana.

Toisessa kurssikerran harjoituksessa piti laatia oma teemakartta käyttäen hyväksi Suomen kuntien paikkatietoaineistoa. Tilastotiedot löytyivät helposti MapInfosta yhden painalluksen takaa. Harjoituksen tarkoituksena oli oppia käyttämään MapInfoa itsenäisesti, ja soveltaa aikaisemmin tunnilla käytyjä asioita. Erityisesti luokkajakoja päätettäessä tuli kiinnittää huomiota kartan luettavuuteen ja tieteellisyyteen.

Valitsin teemakarttani (kuva 1) teemaksi korkea-asteen koulutuksen saaneiden määrän Suomen kunnissa vuonna 2013. Käytin aineistona jo seuraavan kurssikerran kuntatietoja (2013), vaikka ensimmäisen kurssikerran aineistona olivat vuoden 2011 aineistot.

Määritelmänä korkea-asteen koulutus tarkoittaa Tilastokeskuksen mukaan seuraavaa:

“Alimman korkea-asteen koulutus kestää 2-3 vuotta keskiasteen jälkeen. Näitä koulutuksia ovat esim. teknikon, merkonomin ja sairaanhoitajan tutkinnot, jotka eivät ole ammattikorkeakoulututkintoja. Alemman korkeakoulututkinnon suorittaminen vaatii 3-4 vuotta päätoimista opiskelua keskiasteen jalkeen. Alempaan korkeakouluasteeseen luetaan esim. ammattikorkeakoulututkinnot ja alemmat korkeakoulututkinnot. Ylemmän korkeakouluasteen tutkinnon suorittaminen vaatii pääsääntöisesti 5-6 vuotta päätoimista opiskelua keskiasteen jälkeen. Ylempään korkeakouluasteeseen luetaan esim. maisteritutkinnot ja lääkäreiden erikoistumistutkinnot.”

Kuva 1. Korkea-asteen tutkinnon saaneiden osuus prosentteina vuonna 2013. Lähde: Tilastokeskus (2013)

Aineiston luokittelu oli aluksi hankalaa. Kokeilin histogrammityökalun avulla jakauman muodostamista, ja koska arvoja on pienissä yksiköissä enemmän kuin suurissa, jakauma on laskeva. Kuitenkin halusin myös suurempien arvojen erottuvan omina alueinaan teemakartassani. Automaattiset luokittelutavat tekivät aineistolle niin, että pienille tuli harvempia luokkavälejä kuin suuremmille. Esimerkiksi suurin luokkaväli olisi ollut noin 20-56 prosenttia, ja pienin 9,6-12. Ongelmana tällaisessa tilanteessa on se, että alueilla, jotka kuuluvat suurimpaan luokkaan, saattaa olla arvoja joko pienimmän arvon kohdalla tai suurimman arvon kohdalla, jolloin sisäinen hajonta on suurta. Tällöin aineistosta ei voi saada täysin luotettavaa ja vertailtavaa tietoa. Päätin näin ollen lisätä suurempien arvojen erottuvuutta laatimalla luokka-arvot käsin. Esimerkiksi Hanna on blogissaan (Hannan blogi) käyttänyt MapInfon ehdottamaa luokkajakoa, jolloin kartasta näkyy suurimman luokan, eli kuntien, joissa on eniten korkeasti koulutettuja, olevan paljon suurempi kuin omassa kartassani.

Kartan tulkinnasta pitää aluksi mainita, että ensinnäkin koko aihe on hieman hämärä. Korkea-asteen koulutus ei monellekaan ehkä soita kelloa, sillä sen määritelmä ei olekaan niin yksinkertainen (ks. määritelmä yllä). Määritelmän mukaan korkea-asteen koulutukseen luetaan kaikki keskiasteen, eli esimerkiksi lukion jälkeen suoritetut tutkinnot. Tällä oletuksella kartalta voidaan karkeasti nähdä, että korkeasti koulutettujen osuus on suurempi etelässä kuin pohjoisessa, ja suurissa kaupungeissa ja kunnissa on ympäröiviin kuntiin nähden korkeammin koulutettuja. Tämä saattaa johtua suoraan yliopistojen ja suurien ammattikorkeakoulujen maantieteellisestä sijainnista. Esimerkiksi Rovaniemi ja Oulu erottuvat vaaleasta taustasta selkeästi Pohjois-Suomessa. Suurin luokka-aste, eli 35-56% erottuu selkeänä kirkkaanpunaisena läiskänään Helsingin seudulla. Pääkaupungin läheisyydessä sijaitsevatkin Suomen suurimmat yliopistot ja ammattikorkeakoulut, sekä myös työpaikat ja palvelut, joissa tarvitaan korkeaa koulutusta.

Kartan tekninen toteutus sujui hieman hutiloiden, mutta kuten sanonta kuuluu, tekemällä oppii. Odotan innolla uusia tehtäviä ja haasteita – GIS on kuitenkin tämän päivän ja tulevaisuuden kuuma peruna, joka kannattaa ottaa hyvin haltuun.

 

Lähteet:

Malinen, H. (2015). Ensimmäinen kurssikerta. Hannan blogi. 22.1.2015 <https://blogs.helsinki.fi/hzmaline/>

Koulutusaste. Tilastokeskus, Helsinki. 22.1.2015. <http://www.stat.fi/meta/kas/koulutusaste.html>

Leave a Reply

Your email address will not be published. Required fields are marked *