Ensimmäisellä kerralla harjoittelimme MapInfon käyttöä. Ensimmäisen periodin aikana pääsimme jo vähän tutustumaan ohjelmaan, mutta tällä kertaa työskentely ei enää sisältänyt yhtä paljon hiusten repimistä ja toivotonta pään hakkaamistan seinään. Ainakin itse hahmotin jo paremmin mm. workspacen, tablen ja eri karttaikkunoiden tarkoituksen. Ilman opettajaa työskentely toi toki omat haasteensa, mutta muiden kurssikavereiden kanssa tuskastelu auttoi huomattavasti. Osittain myös toisessa periodissa harjoiteltu Corel Draw -ohjelman käyttö helpotti hieman, toisaalta ohjelmien eroja on välillä hankala pitää mielessä, mikä aiheutti välillä turhautumista.
Tunnin alkupuolisko käytettiin erinäisten MapInfon toimintojen harjoitteluun, jotta ohjelma tulisi tutuksi ja luontevaksi käyttää. Harjoiteltiin muun muassa eri tasojen, ikkunoiden ja tietokantojen käsittelyä ja karttakohteiden muokkausta. Tässä huomasi helposti eron paikkatieto-ohjelman ja piirto-ohjelman välillä, sillä Corelilla työskennellessä oli tottunut siihen, että kohteita voi muokata miten haluaa. MapInfossa taas tiedot on sidottu sijaintiin, joten niitä ei voi muokkailla aivan miten sattuu.
Kuva 1. Histogrammi havaintojen jakaumasta
Kurssikerran toinen tehtävä oli koropleettikartan tekeminen. Pohjaksi sai valita joko Helsingin kaupunginosineen tai Suomen kunnat. Tietokannasta sai valita jonkin väestöön liittyvän ilmiön, joka soveltuu koropleettikartalla esitettäväksi. Itse tutkin korkeakoulutettujen osuutta koko Suomen alueella. Karttaa tehdessä tuli huomioida kartan ulkonäön ja luettavuuden lisäksi aineiston luokitteluun. Sitä oli onneksi harjoiteltu jo jonkin verran edellisessä periodissa, mikä helpotti huomattavasti työtä. Saimme kuitenkin käyttöömme verkosta löytyvän histogrammisivun, joka muodostaa histogrammin käyttäjän antamasta aineistosta. Näin pystyi tarkastelemaan havaintojen jakaumaa, mikä on olennaista luokittelutavan valinnassa. Oma aineistoni oli alkupäästä vinosti jakautunut ja loppupäässä hieman hajanainen, sillä sieltä erottuivat muutama yksittäinen erittäin korkea arvo, kuten kuvasta 1 näkyy. Tämä aiheutti hieman ongelmia luokittelulle, sillä muuten hyvin toimiva kvantiilijako olisi luonut ylimmästä luokasta liian laajan, jolloin korkeimmat koulutuksen keskittymät olisivat hukkuneet täysin. Niinpä muokkasin itse luokkia. Loin kvantiililuokittelulla neljä luokkaa, joista ylimmän jaoin vielä kahtia niin, että ylimpään luokkaan tuli vain muutama havainto, mutta kaikkein korkeimmin koulutetut kunnat korostuivat paremmin. Muokkasin vielä jonkin verran ohjelman ehdottamia värivaihtoehtoja niin, että ylimmän luokan ja muiden luokkien välille tuli selvä ero.
Kuva 2. Korkeasti koulutettujen sijoittuminen Suomessa
Kartta osoittaa selvästi, että korkeasti koulutetut ovat kohdistuneet tietyille alueille, pääasiassa isoihin kaupunkeihin. Isoin keskittymä löytyy pääkaupunkiseudulta ja sen lähikunnista. Samoin kartalta erottuvat muutkin isot kaupungit, kuten Turku ja Tampere. Jos verrataan karttaa yliopistojen sijaintiin Suomessa, huomataan, että korkeasti koulutetut sijoittuvat erityisesti yliopistokaupunkeihin ja niiden lähettyville. Niiden ulkopuolella koulutusaste on melko tasaisen matala. Keskittymistä näkyy myös Etelä- ja Länsi-Suomeen, kun taas erityisesti Itä- ja Keski-Suomessa korkeasti koulutettuja on selvästi vähemmän.
