Avainsana: kuntayhteistyö

Julkaistu

LIPAS-projekti ja YLLI-hanke yhteistyössä: Monipuolisuustyökalu

Monipuolisuustyökalu on Lipas.fi -palvelun työkalu liikuntaolosuhteiden monipuolisuuden arviointiin. Monipuolisuustyökalu mahdollistaa kuntien eri alueiden väliset vertailut käyttäjän asettamien liikuntapaikkatyyppien perusteella. Työkalussa on valittavissa yleisiä, valmiiksi asetettuja liikuntapaikkatyyppien kategorisointeja, joita voidaan tarkastella postinumeroalueittain. Lisäksi käyttäjä voi tuoda haluamastaan alueesta geometriatiedoston monipuolisuustyökalulla analysoitavaksi

Analyysityökalua on mahdollista käyttää rekisteröitymällä Lipas-palveluun.
Lipas-palvelun ja analyysityökalun käyttöohjeet on koottu omalle sivulleen: lipasinfo.fi

Kirjoittaja: Tapani Laakso (Jyväskylän yliopisto, Lipas-projekti)

Monipuolisuustyökalun tausta

YLLI-tutkimushanke toteutti vuonna 2022 kehitystyönä ”Monipuolisuustyökaluksi” nimetyn toiminnon Lipas-järjestelmään (www.lipas.fi). Työkalun kehittämisen taustalla oli YLLI-hankkeessa tehty tutkimus koskien liikuntapaikkojen monipuolisuutta Jyväskylän ja Helsingin kaupunkien eri osissa. Monipuolisuuslaskenta perustuu väestön mahdollisuuksiin harrastaa erilaisia liikuntamuotoja oman asuinpaikan lähistöllä.

Lipas-projektin rahoitus tulee Opetus- ja kulttuuriministeriöltä sekä Jyväskylän yliopistolta. YLLI-tutkimushanke on osa Ympäristöministeriön koordinoimaa Lähiöohjelmaa 2020-2022.

Miten monipuolisuustyökalua käytetään?

1. Monipuolisuustyökalun käyttöönotto ja tiedot

Lipas-järjestelmään on kehitetty paikallisten liikuntaolosuhteiden monipuolisuutta ja väestötietoja yhdistävä monipuolisuustyökalu. Työkalu löytyy Liikuntapaikat-osion karttanäkymästä rekisteröityneille käyttäjille (https://www.lipas.fi/rekisteroidy). Monipuolisuustyökalun laskema monipuolisuusindeksi kuvaa erilaisten liikuntaympäristöjen määrää kävelyetäisyydellä. Monipuolisuusindeksi lasketaan kaikille käyttäjän valitseman analyysialueen sisältämille 250 x 250 m väestöruuduille, joilla asuu vähintään yksi henkilö. Alueellisessa tarkastelussa työkalu laskee koko alueelle väestöpainotetun keskiarvon yksittäisten väestöruutujen monipuolisuusindekseistä. Väestötiedot perustuvat Tilastokeskuksen aineistoon ja kuvaavat toistaiseksi 1.1.2020 tilannetta. Kunnissa olevat liikuntapaikka-aineisto kuitenkin päivittyy jatkuvasti ja muutokset välittyvät reaaliajassa monipuolisuustyökaluun.

ESIMERKKI 1.

Monipuolisuustyökalussa analysoitavalla alueella on kaksi väestöruutua. Toisessa asuu yksi ja toisessa kymmenen henkilöä. Yhden asukkaan väestöruudussa on halutun analyysietäisyyden piirissä viisi erilaista liikuntapaikka (esim. pallokenttä, liikuntasali, uimaranta, tenniskenttä ja kuntorata). Työkalun käyttäjän valitsemilla asetuksilla, näiden liikuntapaikkojen väestöruudulle antama monipuolisuusindeksi on 5. Vastaavasti kymmenen henkilön väestöruudun ympäristössä on yksi liikuntapaikka (esim. frisbeegolfrata) ja tällöin kyseisen ruudun monipuolisuusindeksi on 1. Analyysialueen väestöpainotetuksi monipuolisuusindeksi muodostuu tällöin 1,36 (1/11*5 + 10/11*1). Eli väestöpainotettu indeksi kuvaa kaikkien alueen asukkaiden keskimääräistä lähiympäristön liikuntapaikkojen monipuolisuutta.

Käyttäjä voi valita säteen, jonka sisällä olevat liikuntapaikat otetaan huomioon laskennassa (oletuksena 800 m, etäisyys voidaan valita väliltä 500 – 1 500 m). Etäisyys perustuu tieverkostoa pitkin kuljettavaan matkaan kohteeseen ja lähtöpisteenä käytetään väestöruudun keskipistettä. Etäisyyden laskenta perustuu avoimeen OpenStreetMap-aineistoon ja OSRM-työkaluun ja siinä käytetään kävellen käytössä olevaa tie- ja polkuverkostoa.

Monipuolisuustyökalun käytössä on tärkeää huomioida liikuntapaikkatyypeille määritetyt kategoriat. Liikuntapaikkojen monipuolisuutta kuvaava monipuolisuusindeksi perustuu kategorioihin, joihin erilaiset liikuntapaikkatyypit on määritetty. Kategorioita voi olla käyttäjän haluama määrä ja käytännössä niiden määrittämisessä vain mielikuvitus on rajana.

ESIMERKKI 2.

Käyttäjä voi määrittää itse haluamansa kategoriat eri perusteilla. Tässä on kuvattu muutama esimerkki mahdollisista kategorioista:

LIIKUNTALAJIEN MONIPUOLISUUS

  • Kategorioihin on sijoiteltu kaikki Lipas-järjestelmän tyyppiluokat lajien mukaan (tämä on myös oletuskategorisointi). Tällöin yksittäiset kategoriat muodostuvat esim. uintiin, ampumaurheiluun, lentopalloon, curlingiin jne. soveltuvista olosuhteista. Käyttäjä voi kertoimien avulla antaa suuremman monipuolisuusarvon usean lajin harrastamiseen soveltuville liikuntapaikoille (esim. liikuntahallit tai lähiliikuntapaikat). Näille voidaan antaa monipuolisuusindeksin kertoimeksi vaikkapa 3, kun se tenniskentille on 1.

TALVILAJIEN TAI KESÄLAJIEN MONIPUOLISUUS

  • Monipuolisuusindeksissä huomioidaan vain talvella (lumisena aikana) käytössä olevat liikuntapaikat kuten hiihtoladut, luistelukentät jne, jotka on kategorisoitu eri lajien mukaisesti. Tällöin saadaan tietoa liikuntamahdollisuuksien monipuolisuudesta talvella. Vastaava voidaan tehdä myös sulanmaan lajeille, jolloin voidaan vertailla liikuntamahdollisuuksia vuodenajan perusteella.

KANSANTERVEYDELLISET LIIKUNTAMAHDOLLISUUDET

  • Kategorisoinnissa huomioidaan vain laajojen väestöryhmien terveyttä edistävät liikuntamahdollisuudet. Näitä voivat olla esimerkiksi uimahallit, kuntoradat, pyöräilyreitit, kuntosalit tai pallokentät. Näin voidaan kuvata väestölle merkityksellisten ”perusliikuntapaikkojen” monipuolisuutta kunnan eri osissa.

LAJIKOHTAISET LIIKUNTAMAHDOLLISUUDET

  • Laskentaa voidaan tehdä vain yksittäisen liikuntalajin osalta. Esim. jalkapallon olosuhteita tarkasteltaessa voidaan laskentaan ottaa mukaan pallokentät, jalkapallohallit, jalkapallostadionit ja yleisurheilukentät, jolloin saadaan tietoa, miten kattavasti jalkapalloa pystytään harrastamaan alueellisesti.

HUOM! Kategorisointi ei huomioi yleisimpiä arkiliikuntaan tai ulkoiluun liittyviä liikuntamuotoja, jotka ovat mahdollisia periaatteessa missä tahansa. Esimerkiksi kevyen liikenteen väyliä tai kävelyteitä käytetään tietenkin hyvin monimuotoisesti kävelyyn, lenkkeilyyn, pyöräilyyn tai vaikkapa rullalautailuun. Näitä ei ole kuitenkaan monipuolisuustyökalussa huomioitu, vaan kategoriat pohjautuvat Lipas-järjestelmässä käytettävään tyyppiluokitteluun (https://www.jyu.fi/sport/fi/yhteistyo/lipas-liikuntapaikat.fi/lipas-2019-2-0/tyyppikoodit_lipas2022.xlsx)

2. Monipuolisuustyökalun käyttö

Analyysityökaluja pääsee käyttämään päälle ruudun (https://lipas.fi/liikuntapaikat) vasemmasta alalaidasta löytyvästä kuvakkeesta (punaisella ympyröity)

Työkalun käyttöönoton jälkeen täytyy ensimmäisenä päättää, mitä aluetta on tarkoitus analysoida. Lipas-järjestelmä tarjoaa oletuksena postinumeroalueisiin perustuvaa luokittelua. Tällöin käyttäjä valitsee ensimmäisenä halutun kunnan, jonka jälkeen kartalle päivittyy kyseisen kunnan postinumeroalueet. Sen jälkeen valitaan haluttu analyysialue, joka siis tässä esimerkissä on postinumeroalue. Postinumeroalueen valinnan jälkeen (valinta tehdään joko kartalta tai ruudun vasemman reunan taulukosta) laskee ohjelma väestöpainotetun monipuolisuusindeksin kyseisille yhdelle tai useammalle alueelle. Oletuksena näytetään monipuolisuusindeksin aluetasolle yleistetty, väestöpainotettu keskiarvo. Vaihtoehtoisesti voit tarkastella tuloksia ruututasolla (250 m x 250 m) valitsemalla tulosruudukon aktiiviseksi ”asetukset” välilehdeltä.

Vaihtoehtona postinumeroalueille, käyttäjä voi myös itse tuoda haluamansa alueen geometriatiedostona työkalun analysoitavaksi. Tuetut tiedostomuodot ovat shapefile-, GeoJSON- ja KML-muodot (huomioi monipuolisuustyökalussa kuvatut tiedostokohtaiset ohjeet).

3. Monipuolisuustyökalun antamien tietojen tulkinta

Monipuolisuustyökalun antamat tiedot tiivistyvät yksittäiseen käsitteeseen: monipuolisuusindeksiin. Monipuolisuusindeksille ei ole määritelty tavoite- tai suositustasoa – eli ei ole standardia, joka kertoisi miten paljon lähiympäristössä tulisi olla erilaisia liikuntamahdollisuuksia. Tulee muistaa, että indeksin arvo on aina riippuvainen siitä, millaista liikuntapaikkatyyppien kategorisointia käytetään ja kuinka kattavasti liikuntapaikat on Lipas-järjestelmään tallennettuna. Työkalusta saadaan totuudenmukaisin kuva, kun kunnan omistamien kohteiden lisäksi tiedot löytyvät myös esimerkiksi yritysten tai yhdistysten omistamista liikuntapaikoista. Tällöin saadaan kokonaiskuva kaikista liikuntamahdollisuuksista, joita väestöllä on käytettävissään. Työkalu onkin tarkoitettu eri kuntien, kunnan sisäisten alueiden tai muiden kokonaisuuksien vertailuun joko nykytilassa tai pitkittäisaineistona niin, että monipuolisuusindeksit tarkistetaan säännönmukaisesti ja niiden kehittymistä seurataan. Samalla myös kunnassa tulee tehdä aktiivisesti töitä liikuntapaikkatietojen ylläpitämiseksi.

Analysoitavan alueen tiedot on saatavissa karttanäkymän lisäksi GeoJSON-formaatissa. Myöhemmin valmistuu excel-taulukkomuoto, jossa tiedot on mahdollista ladata.

Julkaistu

Lipas-analyysityökalun kehitys. Lipas & YLLI juttusarjan osa 4/4

Tämä on viimeinen kirjoitus neliosaisesta blogikirjoitusten sarjasta, jonka teemana on ”LIPAS-projekti ja YLLI-hanke yhteistyössä – Analyysityökalu liikuntapaikkojen saavutettavuuden arviointiin”. Tässä kirjoituksessa avaamme käyttäjien esittämiä kehitystoiveita ja työkalun jatkokehitysaskelia. 

Kirjoittaja: Tapani Laakso (Jyväskylän yliopisto, Lipas-projekti) 

LIPAS-projekti ja YLLI-hanke yhteistyössä -juttusarja 

Kirjoitusten aiheet: 

  1. Analyysityökalun tausta 
  1. Analyysityökalun toiminta ja käyttö 
  1. Analyysityökalun luotettavuus ja vertailu kaupallisiin saavutettavuusanalyyseihin 
  1. Analyysityökalun jatkokehitys 

Mikä analyysityökalu? 

Analyysityökalu on Lipas.fi -palvelun työkalu liikuntaolosuhteiden tarjonnan ja saavutettavuuden arviointiin. Työkalun avulla on mahdollista vertailla olemassa olevien liikuntapaikkojen etäisyyttä ja matkustusaikoja suhteessa halutun alueen väestöön, muihin liikuntapaikkoihin sekä oppilaitoksiin. 

Analyysityökalua on mahdollista käyttää rekisteröitymällä Lipas-palveluun. 
Lipas-palvelun ja analyysityökalun käyttöohjeet on koottu omalle sivulleen: lipasinfo.fi 

  • Video Lipas-analyysityökalun käyttöönotosta 
  • Video liikuntapaikkojen saavutettavuustiedoista Lipas-palvelussa 

Analyysityökalun jatkokehitys 

Lipas-analyysityökalun betaversio avattiin rekisteröityneille käyttäjille elokuussa 2021. Julkaisun jälkeen Lipas-käyttäjille on tarjottu myös analyysityökalun käyttökoulutusta, mikä on ollut hyvä tilaisuus kerätä tuoreita ajatuksia työkalun käytettävyydestä. Tähän mennessä analyysityökalu on nähty hyvänä uudistuksena, joka osaltaan tarjoaa helposti pureskeltavaa tietoa yhdestä liikuntapalveluiden perusongelmasta: mihin liikuntapaikka tulisi sijoittaa tai millaisia palveluita eri kunnan alueilla on saatavilla kuntalaisen näkökulmasta. Työkalu siis täyttää sille asetetun tavoitteen. 

Analyysityökalun antama tieto on nähty merkitykselliseksi pääasiallisen liikuntapaikkasuunnittelun lisäksi ”näkymättömässä”, arkipäiväisessä tiedonetsinnässä. Esimerkiksi kuntien liikuntapalveluissa vaihtelevia työtehtäviä varten analyysityökalua voidaan käyttää tiedon hakuun ja vertailuun (esim. liikuntaneuvonnan tukena tai liikuntapaikkaverkoston kartoituksessa). Tämän lisäksi analyysityökalua käytetään virallista päätöksentekoa varten valmisteltavien asioiden perusteluissa tai vaikkapa liikuntapaikkarakentamisen avustuksia haettaessa (perustelu liikuntapaikan tarpeellisuudelle). 

Elämänlaatua ja sujuvaa käyttökokemusta 

Järjestelmäkehitykseen kuuluu keskeisenä osana betavaihe, jota leimaa lievä kömpelyys ja toimintojen hiomattomuus. Tämä pätee myös Lipas-analyysityökaluun, johon on toivottu erilaisia käyttöä helpottavia parannuksia sekä ominaisuuksia. Tässä on mainittu muutama kaikkein keskeisin parannustoive, jotka seuraavaksi ratkaistaan. Tärkeimpänä parannuksena on toivottu usean eri saavutettavuusanalyysin ajoa samanaikaisesti. Eli mikäli on olemassa vaikkapa kolme vaihtoehtoista kohdetta uudelle liikuntapaikalle, niin analyysityökalun käyttöä helpottaisi, jos kohteet voitaisiin merkitä kartalle samanaikaisesti ja myös tiedot saataisiin ladattua kaikista kohteista yhdellä kertaa. Tällöin analyysityökalun antamia tietoja voitaisiin selailla välilehti-tyylisesti niin, että vain yksi kohde kerrallaan voi olla aktiivisesti valittuna, mutta muiden kohteiden tiedot olisivat napin painalluksella nähtävissä. Samalla kohteiden lisäämistä halutaan helpottaa niin, että useamman vedoskohteen luonti analyysitarkoituksia varten tapahtuisi nykyistä pienemmällä vaivalla vain lisäämällä karttakohteita haluttuun paikkaan. 

Muut pienemmät parannustoiveet keskittyvät pääasiassa ulkoasuun ja tiedon visualisointiin. Pyrimme selkeyttämään muun muassa ladattavien tiedostojen ulkoasua ja selkeyttämään analyysialueen ulkoasua sekä kartalla että taulukkografiikassa. Joka tapauksessa tätä loppuhiontaa tullaan tekemään vielä vuoden 2022 aikana. 

Väestöennusteet ja ajantasainen tieto 

Olemme ehtineet saada jatkokehitysajatuksia analyysityökalun kehittämiseksi. Ensinnäkin on toivottu väestötietojen pitämistä ajan tasalla, mutta sen lisäksi on kaivattu mahdollisuutta väestöennusteiden hyödyntämiseen saavutettavuuslaskennassa. Väestöennusteiden käyttöön liittyy kuitenkin merkittäviä haasteita. Tilastokeskus laatii kunnista väestöennusteet muutaman vuoden välein, mutta niissä käsitellään kuntia yksikköinä eli ne eivät tarjoa tietoa väestöruudukoittain tai asuinalue- tai postinumeroluokittain. Yksittäiset kunnat voivat toki tehdä omia, tarkempia ennusteitaan, mutta yhdenmukaista aineistoa ei ole mahdollista saada. Teknisesti tarkemmat väestöennusteet ovat tarvittaessa yhdistettävissä analyysityökaluun, mutta työstä aiheutuva kustannus jää tietoa kaipaavan maksettavaksi. Keskustelemme mielellämme mahdollisesta ratkaisusta kiinnostuneiden kanssa. 

Toinen laajempi ajatus analyysityökalun kehittämiselle liittyy automatisoituihin laskelmiin. Analyysityökalulle on toivottu mahdollisuutta ladata alueellista tietoa liikuntapaikkojen saavutettavuudesta. Tämä tapahtuisi esimerkiksi postinumero- tai AVI-alueittain niin, että analyysityökalu laskisi saavutettavuustiedot käyttäjien haluamilla parametreilla alueellisesti. Tällaista alueellista tietoa voisi olla esimerkiksi: 
1) montako liikuntapaikkaa on keskimäärin 30 min pyörämatkan sisällä tietyllä alueella tai  
2) kuinka pitkän pyörämatkan päässä on keskimäärin tietty liikuntapaikkatyyppi tai jokin muu liikuntapaikka kyseisellä alueella. 

Molemmat ajatukset ovat hyviä ja varmasti tärkeitä ja ne otetaan huomioon analyysityökalun ja Lipas-järjestelmän jatkokehitystä suunniteltaessa. Analyysityökalu tarjoaa nykymuodossaan hyvän alustan jatkokehitykselle, mihin toki tarvitaan myös jatkossa rahoitusta ja yhteiskehittämistä. Työkalun ensiaskeleet toteutettiin yhteistyössä YLLI-tutkimushankkeen kanssa, ja toiveena on löytää myös tuleviin kehitystoimenpiteisiin yhteistyötahoja eri toimijoista. 

Monipuolisuuslaskuri 

Osana YLLI-tutkimushanketta tullaan kehittämään menetelmiä liikuntapaikkojen monipuolisuuden arviointia varten ajatuksella: kuinka monta erityyppistä liikuntapaikkaa lähiympäristössä on? Asiasta on suunnitteilla kaksi artikkelia, joissa käsitellään mm. monipuolisuuslaskentaa varten kehitettyä monipuolisuusindeksiä kuvaamaan liikuntapaikkojen monipuolisuutta tietyllä alueella. Tämän tueksi Lipas-analyysityökalulle on kehitteillä laajennus, jossa saavutettavuuden ohella on mahdollista arvioida liikuntapaikkojen monipuolisuutta. Tässä yhteydessä emme kuitenkaan ahmi makeaa mahan täydeltä vaan palaamme monipuolisuuslaskuriin myöhemmissä blogikirjoituksissa, kun työ sen parissa on päässyt kunnolla vauhtiin. Pitäkääpä siis YLLI-blogia ja Lipas.fi-sivustoa silmällä myös jatkossa! 

Lipas-projekti ja Ylli-hanke yleisesti: 

Lipas.fi on valtakunnallinen ja julkinen liikunnan paikkatietojärjestelmä, jota hallinnoi Jyväskylän yliopiston liikuntatieteellinen tiedekunta ja rahoittaa opetus- ja kulttuuriministeriö. 

Tutkimushanke ”Yhdenvertainen liikunnallinen lähiö (YLLI)” on Helsingin yliopiston maantieteilijöiden ja Jyväskylän yliopiston liikunnan yhteiskuntatieteilijöiden yhteinen hanke, joka on osa ympäristöministeriön koordinoimaa Lähiöohjelmaa 2020-2022. 

Julkaistu

Viisauden hierarkia

Miten informaation voi jalostaa tiedoksi? Miten tiedosta muodostuu viisautta? Miten tiedeneuvontaa tulisi kehittää, jotta se tukee organisaatioiden tiedolla johtamista? Tässä blogitekstissä esittelemme Viisauden hierarkian, jota hyödynnämme yhtenä taustateoriana YLLI-hankkeen kaupunkiyhteistyössä.

Kirjoittajat: Marisofia Nurmi (Helsingin yliopisto) ja Janne Pyykönen (Jyväskylän yliopisto)

Viisauden hierarkia, toiselta nimeltään myös tiedon tasot, tai DIKW–hierarkia (Data-Information-Knowledge-Wisdom) on informaatiotieteissä paljon käytetty malli tiedon jäsentämiseen. Malli perustuu ajatukseen siitä, että data, informaatio, tieto ja viisaus muodostavat hierarkkisen mallin, jonka alimmalla tasolla on data ja korkeimmalla viisaus (ks. kuva 1).

Kuva 1. Viisauden hierarkia pyramidimallina

Viisauden hierarkian tasot

Viisauden hierarkiasta on olemassa useita erilaisia versioita, joissa hierarkian osien määrä ja sisältö voi vaihdella (Rowley 2007).  Tyypillisesti eri tasot ovat vahvasti liitoksissa toisiinsa ja rakentuvat toistensa päälle. Informaatio edellyttää dataa, tieto informaatiota ja niin edelleen. Viisauden hierarkiaa on käytetty osastensa kontekstualisoimiseen, sekä erityisesti kuvaamaan siirtymiä tasolta seuraavalle. Siirtymäkohdat tasolta toiselle ovat mallin käytössä merkityksellisiä, sillä mallin taustalla on pyrkimys edistää organisaation tietämyksenhallintaa jalostamalla erilaista dataa informaatioksi, tiedoksi ja lopulta viisaudeksi. Tämä tiedon arvon kasvu tasolta toiselle siirtyessä on myös yhteistä mallin eri näkemyksille. Viisauden hierarkian eri tasojen määritelmät on selostettu alla olevassa taulukossa.

Taulukko 1. DIKW-hierarkian tasot mukaillen Rowleyn (2007) jäsennystä. Lähteinä myös Ackoff (1989) Frické​ (2009) ja Zeleny (2006).

Tiedon tasoMerkitys
DataRaaka-aineisto (esim. säähavainnot, kyselyvastaukset). Yksinään epäinformatiivista.
InformaatioDatasta jalostettua, merkityksellistä, käytettävää. Voi antaa vastauksen esimerkiksi kysymyksiin:
Mitä? Kuka? Missä? Milloin? Kuinka monta?
Tieto/tietämysInformaation soveltaminen käytäntöön ja ymmärrys, miten informaatioon voi reagoida. Informaatiosta ohjeiksi. Vastaa kysymyksiin: Kuinka? Miten?
Viisaus Ymmärrys toiminnan perusteista ja kontekstisidonneisuudesta – miksi? Toiminnan ja päättelyketjun kriittinen tarkastelu ja taustalla vaikuttavien arvojen tunnistaminen. Tiedon priorisointi. Mitä ei tiedetä?

Moni informoitu henkilö tietää mitä tehdä, usea tietoa omaava ekspertti tietää kuinka kannattaa toimia, mutta vain harva viisas voi selittää kokonaisvaltaisesti, miksi asia tulee tehdä (Zeleny, 2006)

Käytännössä organisaation tavoitteena on edetä korkeammalle viisauden hierarkian tasolle. Datasta voidaan jalostaa informaatiota prosessoimalla. Prosessiin voi kuulua esimerkiksi kontekstointia, kategorisointia, rajaamista, tiivistämistä, yhdistelyä ja laskemista. Informaatiosta voidaan jalostaa edelleen tietoa, kun sitä yhdistellään muuhun informaatioon ja olemassa olevaan tietoon. Tämä jalostuminen mahdollistaa informaation muuttamisen toimintaohjeiksi.

Muutos tiedosta viisaudeksi ei ole yksiselitteinen, mutta vähimmilläänkin sen saavuttaminen vaatii kokonaisvaltaista ymmärrystä toiminnan perusteista ja siihen vaikuttavista mekanismeista. Se edellyttää oleellisen erottamista epäoleellisesta, sekä koko toiminnan ja ajatteluketjun kriittistä tarkastelua ja taustalla vaikuttavien arvojen tunnistamista. Uusi tieto ja informaatio yhdistyy vanhaan tietoon, kokemuksiin ja intuitioon. Tiedon tasojen välillä liikkuminen ei ole aina yksiselitteistä, ja DIKW-malli on vastaanottanut myös kritiikkiä (Fricke 2009). Olemme kuitenkin YLLI-hankkeessa kokeneet mallin hyödylliseksi viitekehykseksi, mikä auttaa jäsentämään organisaatioiden kohtaamaa informaatiotulvaa.

Tietoperusteisen päätöksenteon tukeminen

Hierarkiaa voidaan soveltaa sekä yksilö- että organisaatiotasolla. Tutkija pyrkii lähestymään  viisauden tasoa tutkimallaan alalla, samoin kuin tietoperusteisessa päätöksenteossa pyritään tekemään viisaita päätöksiä, jotka perustuvat parhaaseen saatavilla olevaan tietoon.

Tietoperustainen päätöksenteko edellyttää riittävää tietoa asiasta, mikä taas vaatii asianmukaisesta, luotettavasta ja käytettävissä olevasta datasta jalostettua informaatiota. Esimerkiksi tiedeviestinnän vaarana on se, että tutkimustieto tarjoillaan yksittäisinä informaationjyvinä, jolloin informaation ja tiedon yhdistely mielekkäällä tavalla oman työn kannalta jää ”vastaanottajan” harteille. Usein tutkimustieto pyritään jakamaan yleistettynä, mahdollisimman luotettavasti suurta joukkoa kuvaavana informaationa tai toimintaohjeina. Voi olla, että paikallinen toimija tarvitsisi täsmällisempää ja hänelle merkityksellisempää tietoa tukemaan toimintaansa. Jotta tutkimustieto tulisi aidosti käyttöön, tutkijoiden tuottaman informaation ja tiedon tulisi muuttua päättäjien ja asiantuntijoiden käsittelyssä tietämykseksi ja viisaudeksi.

Tätä yritämme toteuttaa hankkeen kaupunkiyhteistyön kulmakivenä. Uskomme, että todellinen tietämyksen välittyminen (ja jalostuminen viisaudeksi) edellyttää kaksisuuntaista viestintää ja yhdessä pohtimista, yksisuuntaisen tiedeneuvonnan sijaan. Niinpä toteutamme YLLI-hankkeessa asuinalueiden yhdenvertaisten liikkumismahdollisuuksien edistämiseen tähtäävää kaupunkiyhteistyötä työpajamuotoisena yhteiskehittämisprosessina, jossa yhtenä viitekehyksenä käytämme viisauden hierarkiaa. YLLI-kaupunkiyhteistyön tavoitteena on:

1. Tuottaa ja esitellä tutkimustuloksia tavoin, jotka palvelisivat yhteistyökaupunkien tietotarpeita ja suunnitteluprosesseja

2. Kehittää liikuntahallinnon tiedolla johtamista yhteiskehittämisen aikaansaannoksena

3. Oppia ja kehittää parempia tiedeneuvonta tai -viestintätapoja, sekä ottaa opit käyttöön myös yliopisto-opetuksen kehittämisessä

Lähteet

Ackoff, R. L. (1989). From data to wisdom. Journal of applied systems analysis, 16(1), 3-9. http://www-public.imtbs-tsp.eu/~gibson/Teaching/Teaching-ReadingMaterial/Ackoff89.pdf

Frické, M. (2009). The knowledge pyramid: A critique of the DIKW hierarchy. Journal of Information Science, 35(2), 131–142. https://doi.org/10.1177/0165551508094050                       

Rowley, J. (2007). The wisdom hierarchy: Representations of the DIKW hierarchy. Journal of Information Science, 33(2), 163–180. https://doi.org/10.1177/0165551506070706

Zeleny, M. (2006). Knowledge-information autopoietic cycle: Towards the wisdom systems. International Journal of Management and Decision Making, 7(1), 3–18. https://doi.org/10.1504/IJMDM.2006.008168