Ensimmäisen luennon lievän onnistumisen jälkeen lähdin optimistisesti tekemään ensimmäistä kotiharjoitusta. Lähdin kuitenkin hieman sivuraiteille heti alussa, mikä teki prosessista pidemmän ja tuskaisemman kuin sen olisi tarvinnut olla. Pelkän valmiin aineiston visualisoinnin sijaan aloin sählätä laskutoimitusten kanssa. Otin tilastoista tiedot kuntien avioerojen määristä ja laskin avioerojen prosentuaalisen määrän suhteessa koko Suomen avioerojen määrään. Todellisuudessa olisi riittänyt, että olisin ottanut valmiiksi prosenttimuodossa olevan aineiston ja visualisoinut sen QGIS:n avulla. Lopulta päädyin tekemään kaksi karttaa.
Vaikka prosessi oli henkisesti kuluttava ja emotionaalisesti traumatisoiva, olen oikeastaan tyytyväinen, että sähläsin. Sen vuoksi jouduin nimittäin visualisoimaan kartan useaan kertaan ja erilaiset toiminnot tulivat hyvin tutuiksi. Aloittaessani koko homman viidettä kertaa alusta, oli lohduttava huomata, kuinka prosessi nopeutui joka kerta eikä jokaista toimintoa tarvinnut etsiä viittä minuuttia. Ensimmäisellä yrityksellä luin ohjeita rivi riviltä ja aikaa kului tuskallisen kauan. Lopullisen työttömyyttä kuvaavan kartan tekemiseen meni lopulta vain n. 10 minuuttia. Kehitystä! Jonkinlaisia onnistumisen tunteita onkin nyt kurssilla tullut jo kaksi. Ehkä tästä kurssista ei tulekaan pelkkää GISsuossa kahlaamista. Noh, ehkä ei vielä nuolaista, jos seuraavassa tehtävässä tipahtaakin täys sanko niskaan.
Ensimmäinen tekemäni kartta (Kuva 1) kuvaa sitä, missä päin Suomea tapahtuu eniten avioeroja. Kartta on suoraan sanottuna todella huono. Pääkaupunkiseudulla on tietenkin eniten avioeroja, sillä siellä asuu eniten ihmisiä. Kartassa näkyy tummina käytännössä kaikki kunnat, joissa on jokin suurempi kaupunki. Suurin ongelma on, että avioerojen määrää ei ole suhteutettu kunnan asukaslukuun. Parhaimmillaan avioerojen määrä olisi vielä suhteutettu nimenomaan yli 18-vuotiaiden määrään, sillä vain he pystyvät ylipäätään menemään naimisiin. Myöskään luettavuuden kannalta kartta ei ole parhaimmasta päästä. Eri luokitusten prosenttiluvut ovat häviävän pienet, joten on vaikea hahmottaa, kuinka paljon avioeroja eri alueilla todella tapahtuu. Myös otsikko on turhan pitkä ja monimutkainen. Siitä on vaikea hahmottaa, mitä kartalla halutaan kuvata.
Oppimisen kannalta tämä kartta oli minulle kuitenkin hyvin hyödyllinen. Pääsin harjoittelemaan QGIS-ohjelman ominaisuuksien käyttöä, sain paljon toistoa ja lopulta eri toimintojen käyttö alkoi olla jo kohtuullisen sujuvaa. Kartta kuvastaa myös hyvin sitä, mitä kaikkea tiedon visualisonnissa ja teemakarttojen tekemisessä tulee ottaa huomioon. Opin pohtimaan syvällisemmin sitä, mitä todella haluan kartalla kuvata ja miten saan ilmiön esitettyä mahdollisimman selkeästi. Vertailemalla tätä karttaa seuraavaan on helppo vertailla huonon ja hyvän kartan eroja.
Seuraavan kartan tekeminen olikin aikaisempien koettelemusten jälkeen lähes lastenleikkiä. Valmiiden aineistojen kanssa ei tarvinnut taistella ja tehtävään tarvittavat toiminnat alkoivat olla hallussa. Lopputuloksena oli Suomen työttömyyttä kuvastava kartta. (Kuva 2) Se on huomattavasti parempi kuin ensimmäinen kartta. Aineistossa työttömien määrä oli jo valmiiksi prosentteina ja suhteutettuna työikäisten määrään. Kartta on visuaalisesti selkeä ja siitä saa helposti yleiskuvan Suomen työttömyystilanteesta eri alueilla. Kehitys ensimmäisestä ja toisesta kartasta on selvä. Tosin tehtävä oli aika helppo – tai no heti kun ymmärsin mitä pitää tehdä.
Yleisesti työttömyysaste on selvästi suurempi pohjoisessa kuin etelässä ja saman trendin voi huomata myös idän ja lännen välillä. Työttömyysaste on suurimmillaan Pohjois-Karjalan, Kainuun ja Lapin kunnissa. Aineiston mukaan Sallassa on yksittäisistä kunnista korkein työttömyysaste 22,6%. Työttömyysaste on alhaisin Ahvenanmaalla, Pohjanmaalla sekä Uudellamaalla. Ahvenanmaalla Lumparlandin kunnassa luku on vaivaiset 1,7%. Suurin työttömyys on pienissä ja syrjäisemmissä kunnissa, joissa on vain vähän palvelualan töitä. Etenkin työikäiset muuttavat niistä suurempiin palvelukeskittymiin, jolloin myös huoltotase kasvaa ja usein palvelujen määrä vähenee. Tämä johtaa siihen, että kunnan talous huononee entisestään. Niin kuin Varpu Savolainen blogissaan hyvin sanoo: ”kunta joutuu noidankehään, jossa ilmiöt voimistavat toisiaan…”.
Rip Suomen kunnat!
Lähteet:
Savolainen, Varpu. Olishan sen helpomminkin voinut (1. kurssikerran kotiharjoitus). (22.1.2018) https://blogs.helsinki.fi/sadvarpu/ (luettu 22.1.2018)