Kurssikerta 1: Ihan ensimmäinen kerta

Tässä blogissa tutustutaan paikkatiedon ihmeelliseen maailmaan Paikkatiedon hankinta, analyysi ja kartografia -kurssin avulla. Itselleni tämä uusi maailma on ainakin ihmeellinen, sillä aikaisempi kokemukseni paikkatiedosta ja sen sovellutuksista on lähestulkoon olematon: olenhan juuri toisesta tiedekunnasta maantieteen opinahjoon loikannut ekologi. Sen pitemmittä puheitta siirtykäämme totisiin asioihin eli ensimmäiseen kurssikertaan ja sieltä saatuihin oivalluksiin.

Kurssi alkoi omaksi onnekseni paikkatiedon perusteiden ja MapInfon käytön kertauksella, vaikkakin nämä asiat olivat jo ennestään tuttuja useammille muille kurssilaisille. Alun perusteella paikkatiedon käsite ja sen peruskäyttösovellutukset vaikuttivat selkeiltä ja helposti omaksuttavissa olevilta asioilta. Kurssilla käytetään MapInfo Professional 11.5. -ohjelmistoa, joka ensimmäisen käyttökerran jälkeen tuntui ihan näppärältä ja loogiselta käyttää. Toisaalta minulla ei ollutkaan pohjalla kokemusta Corel Draw -ohjelman käytöstä, johon useat muut kurssilaiset MapInfon käyttömukavuutta ovat verranneet (Kinnunen 2014, Massinen 2014). Itse en ole aikaisemmin tullut käyttäneeksi mitään MS Officea kummempaa softwarea eivätkä odotukseni uusille ohjelmistotuttavuuksille ole koskaan kovin korkeat.

Ensimmäisen kurssikerran oppimistavoitteena oli erilaisten teemakarttojen, kuten koropleettikarttojen, tekeminen ja näihin liittyvien luokittelumenetelmien valinta ja MapInfon tarjoamien vaihtoehtojen ymmärtäminen. Luulin alkuhuumassa omaksuneeni asian täydellisesti, mutta jouduinkin myöhemmin karvaasti pettymään ja nielemään ylpeyteni. Karttoihin käytettävän aineiston luokittelutavan valinnassa apuna käytettiin histagrammityökalua. Histagrammikaavion avulla nähdään miten aineisto on jakautunut, jonka jälkeen oikea luokittelutapa voidaan valita. Kurssikerralla opeteltiin myös lisäämään karttaan muita tarpeellisia objekteja, kuten pohjoisnuoli ja mittakaavajana. Lopuksi jokaisen tuli laatia itsenäisesti omavalintainen koropleettiteemakartta ja käyttää siihen kaikkea omaksumaansa taituruutta.

Valitsin omaksi aiheekseni korkea-asteen tutkintojen osuuden Suomessa kuntatasolla, sillä aihe oli kiinnostava enkä ollut itse törmännyt vastaavanlaiseen karttaan aikaisemmin. Kun aineisto oli valittu, tarkastelin sen jakautumista histogrammityökalulla. Aineistoni jakautuma osoittautui vinoksi (Kuva 1) ja täten valitsin teemakarttani luokittelutavaksi kurssimonisteen avulla ’Equal Count’ eli kvantiilit, joilla on pyrkimys yhtä suureen määrään havaintoja per luokka.

Kuva 1. Histogrammi aineiston jakautumisesta

Kartta näyttää hyvältä ja on ymmärrettävä (Kuva 2). Valitsemani värimaailma kuvaa ’oppineisuuden intensiteettiä’ eli mitä suurempi korkea-asteen tutkintojen osuus, sitä syvempi väri. Kartassa näkyvät selkeästi tummemmalla ne kunnat, joissa korkea-asteen tutkintoja hankitaan eli yliopisto- ja korkeakoulukaupungit sekä niiden lähialueet. Kartasta esille ponnahtaa myös Utsjoki, jonka korkea-asteen tutkintojen osuutta (21,4 %) selittänee siellä sijaitseva Lapin tutkimuslaitos Kevo.

Kuva 2. Koropleettikartta korkea-asteen tutkintojen osuudesta kunnittain Suomessa

Tarkkailtuani histagrammia tarkemmin, huomasin kuitenkin, että käyttämälläni luokituksella aineiston suurimmat arvot jäävät välille 23 – 56 %, jolloin kaikki kunnat, joissa korkea-asteen tutkintojen osuus on vähintään 23 %, näkyvät kartalla samalla värillä. Näin ollen suurimmat arvot eivät tule kartalla esille. Tämä sai minut epäilemään vahvasti, että olen käyttänyt karttaa tehdessäni väärää luokittelutapaa. Myös Määttä (17.1.2014) huomasi samankaltaisia ongelmia valitessaan oikeaa luokittelutapaa vinolle jakaumalle. Olisi ollut ehkä tarkoituksenmukaisempaa käyttää luokittelutapana ’Equal Ranges’ eli tasavälistä luokitusta, sillä aineiston vaihteluväli on suuri (9,6 – 56) ja mediaani (19,1) on lähempänä pienempiä arvoja. Tätä luokittelutapaa käyttämällä suurimmat arvot olisivat erottuneet kartalla, jolloin esiin olisi tullut uusia näkökulmia, kuten onko koulutuspaikkojen sijainti ainut syy tutkintojen osuuksiin. Kunnat, joissa korkea-asteen tutkintojen osuus on yli 35 %, ovat Helsinki, Kirkkonummi, Pirkkala, Espoo ja Kauniainen. Onko siis näissä kunnissa kenties jotain erityispiirteitä, kuten arvostettuja asuinalueita, joiden perusteella korkeasti koulutetut valitsevat asuinpaikkansa?

Huomasin myös vasta muiden kurssilaisten blogeja selatessani ja Lyytikäisen (2014) ottaessa asian esille, että myös luokkien määrän olisi voinut määrätä itse. Jostain syystä tämä tieto oli mennyt ohi aistinsensorieni ja tästä syystä omassa kartassani on vain neljä luokkaa. Kuten Lyytikäinenkin blogissaan toteaa, luokkien määrää vaihtelemalla kartan ilme voi muuttua huomattavan erilaiseksi ja sitä voi näin myös muuttaa selkeämmäksi. Oma nykyinen karttani olisi varmasti parantunut, jos olisin muuttanut luokkien määrän neljästä viiteen.

Kaiken kaikkiaan opin ensimmäisellä kurssikerralla paljon uutta, mutta unohdin myös heti osan työmuistiini tallentuneesta tiedosta. Kertaus on opintojen äiti, joten eiköhän harjoitus tee minustakin vielä mestarin.

Lähteet:

Histogrammityökalu (2014) <http://illuminations.nctm.org/Activity.aspx?id=4152> 23.1.2014

Kinnunen, A. (2014) First lesson. <https://blogs.helsinki.fi/aekinnun/> Luettu 28.1.2014

Massinen, S. (2014) Kurssin aloitus ja MapInfoon tutustuminen. <https://blogs.helsinki.fi/smassine> Luettu 28.1.2014

Määttä, T. (2014) Kurssikerta 1: MapInfo ja koropleettikartan väkerrystä. <https://blogs.helsinki.fi/timaatta>  Luettu 28.1.2014

Lyytikäinen, S. (2014) Kurssi alkaa! <https://blogs.helsinki.fi/sealyyti> Luettu 28.1.2014

Tilastokeskus (2011) Väestörakenne 23.1.2014

Leave a Reply

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