Näin alkaa kevätpuolen ponnistelut ja paikkatiedon täyteiset hetket Kumpulassa.
Ensimmäisellä kurssikerralla saatiin hyvä alkutuntuma MapInfo -ohjelman käyttämiseen. Kurssikerralla käytiin läpi ohjelman perustyökaluja, ja kuinka niitä voi hyödyntää omien karttaesitysten laatimiseen. MapInfon käyttäminen vaatii alkuun keskittymistä sillä kyseessä ei ole ns. normaali piirto-ohjelma, vaan karttaohjelma. Ohjelmassa paikkatiedon hallitseminen ja muokkaaminen tuo oman ulottuvuutensa tekemiseen. Ennen kurssin alkamista itselläni oli toki näkemys siitä, mitä paikkatieto on, mutta nyt päästään ihan konkreettisella tasolla tekemisiin sen kanssa.
Harjoittelutehtävänä loin teemakartan eläkeläisten prosentuaalisista määristä Suomen kunnissa. Tilastokeskuksen alkuperäinen aineisto löytyi valmiina annetusta paketista, ja kartta luotiin MapInfolla.
Aloitin kartan luomisen tarkastelemalla netistä löytyvällä histogrammityökalulla, kuinka aineisto oli jakautunut (http://www.shodor.org/interactivate/activities/Histogram/). Huomasin että aineisto oli melko normaalisti jakautunut, kuten kuvan 1 histogrammista voidaan nähdä.
Kuva 1
Excelillä tarkasteltuna aineiston vinous (=SKEW) sai arvon -0,01, mikä kertoo siitä että aineistoa voidaan pitää normaalisti jakautuneena. Itselleni heräsi kuitenkin kysymys että milloin aineistoa voidaan pitää normaalisti jakautuneena, riittääkö arvo 0,01 tarkkuutena? Päätin että tässä tapauksessa saa luvan riittää. Myös Excelin kanssa oli aluksi ongelma, koska histogrammityökalun nettisivulta saamat desimaaliluvut oli luotu käyttäen desimaalipistettä, ei pilkkua. Muutin aineiston pilkulliseksi lopulta Wordin kautta. Tähän ongelmaan luulisi löytyvän myös kuitenkin jokin toinen ratkaisu? Ongelman ratkettua varsinainen työ, eli aineiston luokittelu kävi kuitenkin helposti, sillä normaalisti jakautunut aineisto ei tuota liikaa päänvaivaa.
Itse valitsin luokittelutavaksi Equal Count -luokittelun, jota voidaan pitää melko varmana valintana kaikenlaisille aineistoille. Näin annoin itseni ainakin ymmärtää kurssiaineistosta löytyneestä taulukosta. Tässä luokittelussa aineisto jaetaan niin että jokaisessa luokassa on yhtä suuri määrä havaintoja. Omalla kartallani tämä toteutui 5 eri luokkana. Vaihteluväli havainnoissa oli 11,8 % ̶̶ 47,3 %. Tämä tuntui melko suurelta väliltä, sellaiselta jossa erot varmasti näkyisivät. Niklas Sädekoski oli omassa blogissaan päättänyt myös tarkastella eläkeläisten määriä kunnissa (Sädekoski 2016). Aineiston luokittelussa hän oli valinnut itsestäni poiketen natural breaks- luokittelun. Kummatkin lopputulokset näyttävät kuitenkin hyvin samanlaisilta. Nopeasti karttoja vertaamalla ei oikein huomaa minkäänlaista eroa niiden välillä. Väittäisin tämän johtuvan aineiston normaalista jakautumisesta. Eli luonnollinen luokittelu normaalille jakaumalle noudattaa hyvin pitkälle tasaluokkajakoa.
Syntyneeltä kartalta (kuva 2) on havaittavissa selkeitä painotuksia eläkeläisten ja ei-eläkeläisten sijoittumisessa. Kun tarkastellaan eläkeläisten prosentuaalista määrä, ei tarkastella vain mihin eläkeläiset ovat keskittyneet, vaan tarkastellaan myös mihin he eivät ole keskittyneet. Toisin sanoen vastataan kysymykseen missä päin nuoremmat ihmiset ovat enemmistönä.
Syntyneessä kartassa oli muutama havaittava painotus. Pääsääntöisesti väestö oli vanhempaa itäosassa Suomea. Länsiosassa eläkeläisiä taas on vähemmän. Toinen selkeä havainto on, että suurimmissa kaupungeissa sekä niiden ympäristössä, eläkeläisten osuus on pieni. Tämä on havaittavissa myös Itä- ja Keski-Suomen osalta, joka on muuten tumma mutta Kuopion, Jyväskylän ja Joensuun kohdilta vaalea. Ilmiötä selittää yleinen kaupungistumisen trendi; ihmiset ja varsinkin nuoret muuttavat kaupunkeihin työn ja muiden mahdollisuuksien perässä. Vanhempi ikääntyvä väestö taas jää aloilleen, jolloin heidän suhteellinen osuutensa väestöstä kasvaa huomattavasti. Vielä tarkemmin voidaan havaita että kaikissa yliopistokaupungeissa, joissa koulutusmahdollisuudet ovat suuria, nuorten osuus on myös suurempi. Helsinki, Turku, Tampere ja Oulu erottuvat myös vaaleina vaikka sijaitsevat muutenkin jo ei niin eläköityneellä etelä-länsi-sektorilla. Erot eri alueiden välillä voivat olla myös hyvin jyrkkiä. Esimerkiksi juuri Jyväskylän ja Kuopion seudut erottuvat erittäin vahvasti keskeltä Suomea, jossa ympäröivä maaseutuvaltainen asutus on erittäin eläkeläisvoittoista.
Kuva 2
Tarkasteltu ilmiö, eläkeläisten osuus koko väestöstä, on abstrakti ilmiö, joten sen kuvaamiseen kävi violetti väri oikein mainiosti. Lopputuloksena syntynyt kartta kuvaakin mielestäni ilmiötä hyvin. Luokkamäärä on myös sopiva, selkeät erot saadaan aikaiseksi eikä tulkinnan vaikeutta synny, kun luokkia ei ole liikaa. Pohdin myös olisiko valmiiseen karttaan tarvinnut lisätä vielä muuta informaatiota, kuten kaupunkien nimiä tai kokoja, mutta vähänkään valistunut kartanlukija osaa mielestäni lukea Suomen karttaa ilmankin. Parhaiten tällainen pelkistetty Suomen kartta toimisi muiden vastaavien karttojen kanssa, jotka kaikki esittäisivät omaa ilmiötään. Vertailu esimerkiksi taloudellista huoltosuhdetta kuvaavan kartan kanssa voisi olla mielenkiintoinen.
MapInfo vaikuttaa myös mainiolta työkalulta, koska se tarjoaa valmiita malleja kartan luonnissa. Sen sijaan siis että huomio ja työpanos menisivät liikaa tekniseen suorittamiseen (piirtämiseen, väriskaalan miettimiseen, tms.), valmiista aineistosta saadaan nopeasti ulos karttoja, joita voidaan tulkita ja esittää. Sisältöön keskittyminen on siis helppoa ohjelmalla. Tämä toki vaatii sen, että aineisto tosiaan on ensin laitettu sellaiseen muotoon, että sitä voidaan helposti käyttää MapInfon kaltaisessa ohjelmassa.
Koska MapInfo oli itselleni täysin uusi ohjelma, oli alkuun pääseminen kuitenkin hieman hidasta. Käyttökertojen myötä haparoinnin määrä kuitenkin varmasti vähenee. Ohjelman logiikan ja käytännöllisyyden oppii vain yrityksen ja erehdyksen kautta, käyttämällä ohjelmaa. Eniten aikaa vievä tehtävä MapInfon kanssa oli kartan sommittelu legendoineen. Mittakaavan ja pohjoisnuolen lisääminen ei ollut kovin haastavaa, mutta näiden objektien käyttäytyminen sommitteluvaiheessa oli työtä hidastava tekijä. MapInfo ei selvästikään ole piirto-ohjelma ja näinkin yksinkertaisen kartan saaminen siedettävään kuntoon vei aikaa, ainakin näin aloittelijalta.
Lähde:
Sädekoski, N. (2016) Viikko 1: Mapinfon alkeet. https://blogs.helsinki.fi/niklasad/ [13.3.2016]