Lapsiperheiden kantakaupunki – vai väärin laadittu koropleettikartta?

Helsinkiläinen kunnallispoliitikko Mikko Särelä on laatinut jonkin verran huomiota sosiaalisessa mediassa keränneen kartan joka näyttää, kuinka paljon lapsia neliökilometrillä Helsingin eri osissa asuu. On ihan totta, että lasten osuus kantakaupungissa on ollut kasvamaan päin; alle kouluikäisistä helsinkiläislapsista asuu nykyisin kantakaupungissa vajaan viidenneksen isompi prosenttiosuus kuin vuonna 1992. Harmi kyllä, Särelän kartta ei paljasta tätä kunnallispolitiikan kannalta varsin merkittävää seikkaa vaan tulee kertoneeksi lähinnä Helsingin eri osa-alueiden asukastiheyden.

On vanha informaatiomuotoilun nyrkkisääntö, että koropleettikartalla ei pitäisi kuvata absoluuttisia vaan ainoastaan suhteellisia lukuja. Miksi näin? Otetaanpa käytännön esimerkiksi tämä Helsingin seudun kuntia kuvaava kartta:

(Kiitos, kiitos, kyllä tällä komistuksella vielä joku design-palkinto voitetaan!)

Yllä oleva kartta kuvaa HSL:n julkaisusta Liikkumistottumukset Helsingin seudun työssäkäyntialueella vuonna 2008 löytyvää tietoa siitä, kuinka paljon ”pääasillisia autonkäyttäjiä”* alueen eri kunnissa on, neliökilometrille laskettuna. Ja kas vain! Helsingin kantakaupungissa on 1 745 pääasiallista autonkäyttäjää neliökilometrillä kun taas esimerkiksi Vihdissä heitä on vain 25/km².

Voidaanko siis päätellä, että Helsingin kantakaupungissa suurin osa ihmisistä liikkuu omalla autolla ja Vihdissä ei? No ei voida. Pääasiallisten autonkäyttäjien osuus on kantakaupungissa vertailun pienin (37 %) ja Vihdissä puolestaan suurin (68 %). Kartta näyttää käytännössä vain sen, että Helsingin kantakaupungissa asutaan tihemmin kuin Vihdissä.

Koropleettikartta on hyvin herkkä aluejaolle. Jako on harvoin sellainen että eri alueet, olivat ne nyt sitten kuntia kuten esimerkkikartassani, suurpiirejä kuten Särelän kartassa tai jotain muita, olisivat asukasluvultaan ja -tiheydeltään vertailukelpoisia. Niinpä näytettäessä absoluuttisia lukuja, tullaan yleensä kuvanneeksi vain aluejaon ominaisuuksia. Havainnollinen esimerkki löytyy Wikipediasta, jossa sama väestötieto Bostonista on kuvattu sekä absoluuttisena henkilömääränä väestölaskentaruudukon lohkoissa että asukaslukuna eekkerillä samoissa lohkoissa:

Toki absoluuttisia lukujakin kuvaava kartta jotain paljastaa. Se, että kantakaupungissa on enemmän autoja neliökilometrillä kuin Vihdissä on ihan merkittävä tieto liikenteen suunnittelun kannalta. Mutta liikenneinsinöörit tarvitsevat paljon tarkempaa tietoa kuin mitä karkean tason teemakartta paljastaa. Tällaiset kartat palvelevat lähinnä viestinnällisiä tarpeita kun halutaan puhutella muita kuin asiantuntijoita, ja absoluuttisia lukuja esittävä koropleettikartta yleensä lähettää väärän viestin.

On totta, että lapsiperheiden palvelut kantakaupungissa eivät ole kasvaneet samaa tahtia kuin lasten osuus väestöstä ja esimerkiksi päiväkotipaikkojen saaminen on vaikeampaa kuin esikaupunkialueilla. (Poikkeuksia toki on, suuntaan ja toiseen.) Päiväkotipaikkojen pitäisi olla lähellä niiden käyttäjiä, siis lapsia, ja tässä suhteellinen osuus on vähemmän merkittävä tekijä kuin lasten absoluuttinen määrä. Mutta koropleettikartta ei ole oikea väline sen kuvaamiseen. Nyt kartta antaa sellaisen mielikuvan, että kantakaupungissa asuisi suhteellisesti – tai jopa absoluuttisesti – enemmän lapsiperheitä kuin muualla Helsingissä. Kumpikaan ei pidä paikkaansa. Lapsiperheitä asuu kantakaupungissa tiheämmässä kuin esikaupungeissa, mutta niin asuu likipitäen kaikkia muitakin kuviteltavissa olevia ihmisryhmiä: autoilijoita, maahanmuuttajia, työttömiä…

Kantakaupungin lapsiperheet – ryhmä johon kuuluu paljon omiakin ystäviäni ja tuttaviani – ja heidän alimitoitetut palvelunsa ansaitsevat kyllä huomiota näin kunnallisvaalien alla käytävässä julkisessa keskustelussa. Mielestäni Särelä on aivan oikeilla jäljillä nostaessaan teeman esiin, mutta informaatiomuotoilun ammattilaisena täytyy todeta että valittu työkalu ei sovi sen datan esittämiseen, johon sitä nyt on käytetty. Jos koropleettikarttaa haluaa käyttää, sillä voisi kuvata vaikkapa tarjolla olevien päivähoitopaikkojen suhdetta lasten määrään. Jos haluaa näyttää pelkästään lasten absoluuttisen määrän, mielenkiintoisempi olisi vaikkapa aikasarja joka näyttää miten määrä on kehittynyt. Kenties asia on kuitenkin luonteeltaan sellainen, että sen ydin tulee paremmin esiin tekstin kuin grafiikan muodossa.

____

*) Tämän käsitteen tarkempi määritelmä löytyy raportin sivulta 44. Olisin mieluummin näyttänyt henkilöautojen määrän kunnissa, mutta siitä en valitettavasti nopealla googletuksella löytänyt tietoa, joten tämä hieman monimutkainen tilastointimääritelmä saa toimia tämän demonstraation tarpeisiin likiarvona sille.

Pitääkö visualisoinnin olla kaunis?

Cartastrophe-blogin Daniel Huffman kirjoittaa PBS:n America Revealed -dokumenttisarjaa varten tehdyistä näyttävistä visualisoinneista. Kirjoitus on hyvä ja vaikkei ihan kaikista yksityiskohdista olisi samaa mieltä (en itse pidä linkkitornivisualisoinnin epätarkkuutta tässä kontekstissa niin vakavana ongelmana kuin Huffman), se herättää tärkeän kysymyksen visualisointien perimmäisestä roolista. Onko niiden tarkoitus olla kauniita ja näyttäviä vai selkiyttää tiedonvälitystä?

Valinta ei tietenkään ole mustavalkoinen joko–tai. Siteeraan tähän aihetta käsittelevän pätkän tulevan Informaatiomuotoilu-kirjamme käsikirjoituksesta:

Yhä useammin tiedon visualisoinnin tehtävänä nähdään myös lukijan houkutteleminen tiedon pariin. Informaatiomuotoilun tehtävä ei kuitenkaan ole tiedon koristeleminen. Kuten El Mundo -lehden grafiikkatoimitussihteeri Juantxo Cruz asian muotoilee: ”Visuaalisen journalistin tehtävä ei ole tiedon naamioiminen vain jotta sivu näyttäisi kauniimmalta. Tehtävämme on auttaa ymmärtämään, mitä tapahtuu.” Kauneus ei ole informaatiomuotoilun kontekstissa päätavoite vaan sivutuote. Päätavoite on auttaa välittämään, löytämään ja tallentamaan tietoa.

Esteettisillä valinnoilla on toki merkityksensä tiedonvälityksessä. Käytettävyystutkimuksissa on havaittu*, että ihmiset pitävät teknisiä laitteita helppokäyttöisempinä, jos niiden käyttöliittymä on esteettisesti miellyttävä. Kyse ei ole pelkästään ensivaikutelmasta vaan ero on havaittavissa jopa siinä, kuinka nopeasti koehenkilöt suoriutuvat laitteella tutkijoiden heille antamista tehtävistä.

Tämä havainto on laajennettavissa tietografiikan kontekstiin siten, että kaunis visualisointi koetaan epäesteettistä helpommin ymmärrettäväksi. Kauneus on siis tavoiteltavaa informaatiomuotoilussakin, koska se edistää viestinnällisiä päämääriä. Mutta mikäli selkeyden ja esteettisen miellyttävyyden välillä joudutaan tekemään valinta, on selkeyden oltava aina etusijalla.

*) Esim. Tractinsky, N.; Katz, A.S. & Ikar D. 2000. What is beautiful is usable. Interacting with Computers 13:127–145; Sonderegger, Andreas & Sauer, Juergen 2010. The influence of design aesthetics in usability testing. Effects on user performance and perceived usability. Applied Ergonomics 41:403–410.

Visualisoinneiksi tai infografiikaksi kutsuttavat esitykset voi jakaa karkeasti kolmeen kategoriaan niiden pääasiallisen funktion kautta. (Alla olevat kuvat aukeavat suuremmiksi klikkaamalla.)

Tutuin lienee tietoa välittävä grafiikka, joka pyrkii havainnollistamaan jotain, jonka grafiikan tekijä (tai tilaaja) tietää ja haluaa viestiä muille. Puhtaimmillaan tämä funktio toteutuu vaikkapa jonkin laitteen toimintaperiaatetta kuvaavassa piirroksessa, mutta esimerkiksi myös tilastografiikalla pyritään useimmiten havainnollistamaan jotain asiaa, jonka grafiikan tekijä itse tietää ja haluaisi lukijoidensa ymmärtävän. Tehtäessä ero termien infografiikka ja visualisointi välillä (niitä voi käyttää myös toistensa synonyymeinä) termillä infografiikka viitataan yleensä nimenomaan tiedonvälitystarkoitusta palvelevaan grafiikkaan.

Varsinkin tieteentekijät käyttävät paljon myös eksploratiivista grafiikkaa, jonka tarkoitus on helpottaa uusien piirteiden löytämistä tietoaineistosta. Grafiikan tekijä ei siis itsekään aluksi tiedä, mitä grafiikasta paljastuu. Termillä visualisointi viitataan yleensä grafiikkaan, jolla on eksploratiivinen tehtävä puhtaan tiedonvälityksen sijaan tai ainakin lisäksi. Klassinen esimerkki eksploratiivisesta grafiikasta on nykyaikaisen epidemiologian isänä pidetyn John Snow’n 1854 Lontoossa riehuneesta koleraepidemiasta tekemä kartta, johon hän merkitsi kaikkien koleraan kuolleiden asuinpaikat. Snow huomasi, että kuolintapaukset keskittyivät Broad Streetilla sijainneen kaivon ympärille ja näin selvisi epidemian alkulähde. Eksploratiivisten visualisointien käyttö on yleistynyt runsaasti tietokoneiden kehityksen myötä kun on tullut mahdolliseksi tuottaa niitä automaattisesti. Usein ne ovat luonnosmaisia ja ulkoasultaan viimeistelemättömiä, koska niitä ei ole ajateltukaan laajan yleisön nähtäväksi. Alkujaan eksploratiiviseen käyttöön tehty grafiikka saattaa kuitenkin sittemmin päätyä viestinnälliseen käyttöön kun esimerkiksi tutkija haluaa kertoa löydöksistään muille. Tällöin myös kuvalliseen esitystapaan on hyvä kiinnittää huomiota.

Vielä kolmas kategoria ovat graafiset esitykset, joiden pääasiallinen tarkoitus on vain houkutella lukija tai katsoja tiedon pariin ja tuoda emotionaalinen ulottuvuus viestintään. Ne eivät siis pyri havainnollistamaan tai tekemään näkyväksi datan ominaisuuksia vaan ainoastaan luomaan mielikuvia ja mielenkiintoa aihetta kohtaan. Tätä grafiikan lajia kuvajournalismin pioneeri Harold Evans kutsui (Merja Salon suomentamana) höystegrafiikaksi erotuksena tietoa välittävästä faktagrafiikasta (infografiikka ja visualisoinnit). Graafiset suunnittelijat ja art directorit kutsuvat sitä yleensä kuvitukseksi. Varsinkin aikakauslehdistössä kuvitukset ovat olleet keskeinen osa kuvailmaisua jo modernin aikakauslehden syntyvaiheista 1900-luvun alkupuolelta asti ja niillä on selkeä, faktagrafiikasta poikkeava viestinnällinen tehtävänsä. Viime vuosina kuitenkin on voimistunut kyseenalainen trendi, jossa myös hämmästyttävän iso osa varsinkin netissä kiertävästä ”infografiikaksi” kutsutusta materiaalista vetoaa puhtaasti esteettis–emotionaaliseen rekisteriin ja grafiikan tietoa välittävä komponentti on vähäinen tai olematon. Itse kutsun tällaista tietoa välittävän grafiikan visuaalista kieltä jäljittelevää höystegrafiikkaa infografiikkamaiseksi kuvitukseksi.

Tämäkään kolmijako ei ole terävärajainen vaan usein grafiikassa on sekä tietoa välittäviä, eksploratiivisia että kuvituksellisia piirteitä. Esimerkiksi Isotype-ryhmän filosofiassa tiedon esitysasun esteettistä houkuttelevuutta pidettiin tärkeänä vaikka toiminnan ytimessä oli nimenomaan tiedon välittäminen. Tällainen ajattelu on järkevää erityisesti esimerkiksi oppikirjojen kuvituksien kohdalla; niiden lukijat eivät välttämättä ole lähtökohtaisesti kiinnostuneita sisällöstä vaan opiskelumotivaatiota pitää myös tietoisesti pyrkiä luomaan suunnittelemalla tiedon esitysasu houkuttelevaksi. Vapaaehtoisesti aineistoa tutkivat aikuiset ovat kuitenkin erilainen yleisö kuin vastentahtoiset koululaiset ja jos grafiikan tekijä kokee, että tietoa on koristeltava jollain tavoin että se olisi kiinnostavaa, olisi hyvä hetki pohtia onko koko aiheen valinta pielessä. Edward Tuften sanoin: ”Jos tilasto on tylsä, siinä on väärät luvut.”

Jos päämääränä on todella vain tuottaa kaunista ja näyttävää jälkeä tiedonvälityksen sijaan, miksi tehdä näennäisinfografiikkaa sen sijaan että käyttäisi reilusti kuvittajaa? On hämmästyttävää, miten usein infografiikkana kaupitellaan sen ulkoisen visuaalisen kielen omaksunutta mutta lähes puhtaasti kuvituksellista grafiikkaa (esimerkiksi GOOD-lehden grafiikka yllä). Samoin monet visualisointeina markkinoidut esitykset ovat puhdasta datataidetta, jossa data on vain raakamateriaalia kiinnostavan esityksen luomiselle.

Tutkitaanpa visualisointitutkija Robert Kosaran esittämää visualisoinnin määritelmää:

  • Visualisointi perustuu (ei-visuaaliseen) dataan,
  • visualisointiprosessi tuottaa lopputuloksenaan kuvan ja
  • tämän lopputuloksen tulee olla tulkittavissa ja tunnistettavissa.

Kaksi ensimmäistä kriteeriä kyllä toteutuvat datataiteessakin, mutta kolmas kriteeri erottaa sen ja visualisoinnit toisistaan. Tarkastellaanpa esimerkiksi oheista Miska Knapekin Windcuts-sarjaan kuuluvaa veistosta. Se on leikattu tietokoneohjattavalla jyrsimellä puuhun, käyttäen aineistona Ilmatieteen laitoksen keräämää tietoa tuulen nopeudesta ja suunnasta sekä lämpötilasta eräällä Helsingissä sijaitsevalla mittausasemalla viiden vuorokauden ajalta. Tuo tieto on kyllä pienellä vaivannäöllä luettavissa valmiista teoksesta jos tietää käytetyn visuaalisen koodaustavan, mutta missään nimessä se ei ole kovin helppoa ja esimerkiksi nopean yleiskuvan muodostaminen mittauspaikan tuulioloista ei teoksesta onnistu. Veistos on kiinnostava taideteos ja tutkielma kokeellisesta visualisointitekniikasta, mutta jos tarkoituksena olisi kehittää mahdollisimman selkeä tapa välittää säätietoa kuvallisessa muodossa, valittaisiin luultavasti joku toinen tapa esittää sitä.

Visualisointi sanan varsinaisessa merkityksessä tarkoittaa, että keskiössä on datan parempi ymmärtäminen ja esitystapa valitaan sen mukaan. Onnistunut visualisointi pystyy vastaamaan kysymyksiin aineistosta paremmin kuin pelkkä teksti. Datataiteessa vuorostaan esitystapa on tärkeämpi kuin sisältö ja ymmärrettävyys.

Oikealla on Opte-projektin tuottama visualisointi internetin rakenteesta marraskuussa 2003. Se on tyyppiesimerkki tahattomasta datataiteesta: visualisointi on monimutkaisuutensa vuoksi niin vaikeaselkoinen, että esitystapa muodostuu sen olennaiseksi sisällöksi ja data jää toissijaiseksi, koska sitä ei saa purettua kuviosta. Visualisointi voisi yhtä hyvin olla generoitu täysin satunnaisesti – kuka tietää vaikka olisikin?

Ihmiset ovat kuitenkin luonnostaan essentialisteja. Tarina kuvion takana olevasta tietomäärästä kiehtoo, vaikka sitä olisi mahdotonta nähdä lopputuloksesta. ”Tutkijat laativat upean kartan universumin rakenteesta, katso kuvat!” kerää enemmän tykkäyksiä Facebookissa kuin ”Nörtti teki upean kuvan satunnaisesta datasta, katso kuvat!” Mutta tämän ei pitäisi oikeuttaa älyllistä laiskuutta visualisointien tekijöiltä. Vaikka käsittämätön visualisointi oikeasta datasta olisi parempi kuin käsittämätön visualisointi keksitystä datasta, vielä parempi on ymmärrettävä ja havainnollinen visualisointi oikeasta datasta.

* * *

Huffman nostaa blogikirjoituksessaan esiin myös tärkeän kysymyksen esitystavan abstraktisuuden asteesta suhteessa sisältöön: ”On epätodennäköistä, että tämän kartan sisältämää tietoa pidettäisiin abstraktina koska pohjakartta hienoine valaistusefekteineen ja pilvineen ei näytä kovin abstraktilta. –– Visuaalisen abstraktiotason tulee vastata tiedon abstraktiotasoa. Nähdessään hyvin yksinkertaistetun visualisoinnin lukijat olettavat, että myös data kertoo hyvin yksinkertaistetun tarinan. Nähdessään hyvin realistisen ja yksityiskohtaisen pohjakartan he todennäköisesti uskovat myös siinä kuvatun tiedon olevan samalla tarkkuustasolla.”

Lukijan tulisi siis yhdellä silmäyksellä nähdä grafiikasta kuinka hienojakoista tietoa se sisältää. Tämä ajatus on luonteva kartografian piirissä, jossa on totuttu tekemään samoista kohteista käyttötarkoituksen mukaan erilaisella tarkkuustasolla olevia karttoja. Olisi älytöntä kuvata vaikkapa vaalituloksen jakautumista äänestysalueittain käyttämällä pohjakarttana kantakarttaa, tarkinta saatavissa olevaa kartta-aineistoa maanpäällisestä rakennetusta ympäristöstä, johon on merkitty niin maastonmuodot kuin yksittäiset puut ja sähkötolpatkin. Tietokoneavusteisten visualisointien tekijöille tämä sisällön ja esitystavan abstraktiotasojen yhteys ei ole aina aivan yhtä selkärankaan iskostunut. Ei valitettavasti ole kovin tavatonta nähdä visualisointeja, jotka ensi vilkaisulla näyttävät sisältävän valtavasti tietoa mutta joista tarkemmassa katsannossa osoittautuukin että niissä yksinkertainen data on piiloitettu monimutkaisen esitystavan alle.

* * *

Infografiikan ja visualisoinnin kauneudella ja näyttävyydellä on arvonsa ja viestinnällinen funktionsa, mutta niiden pitäisi olla alisteisia tiedonvälityksellisille tarpeille. Esteettiset ratkaisut eivät saisi vaarantaa kuvion ymmärrettävyyttä eikä yksinkertaista dataa pitäisi kuorruttaa monimutkaisella esitystavalla vau-kertoimen lisäämiseksi. Kun artikkeli, kirja tai nettisivu kaipaa jotain näyttävää ja kaunista, kannattaa yleensä ennemmin tilata kuvitus kuin infografiikka. Samaan aikaan pitää kuitenkin muistaa, että kuten käytettävyystutkimuksissa on havaittu, esteettisesti miellyttävä koetaan myös helpommin ymmärrettävänä. Niinpä myös infograafikon kannattaa töissään pyrkiä kauneuteen, niin kauan kuin se ei vaaranna muita ymmärrettävyyden kannalta tärkeitä tekijöitä.

Opastusta Kampissa

Kävin pari päivää sitten Kampin kauppakeskuksessa. Olin etsimässä tiettyä kauppaa, joten yritin löytää infotaulun, jossa kiinteistön kaupat olisi sijoitettu kartalle. Pienen etsiskelyn jälkeen minulle valkeni, että kaikki perinteiset infotaulut oli korvattu isoilla kosketusnäytöillä. Olin aluksi vain kävellyt niiden ohi koska en halunnut vuorovaikuttaa päätteen kanssa, vaan ainoastaan nähdä kartan. Infotaulut näyttävät lepotilassa vain näytönsäästäjäkuvaa, ja päästäkseen kauppakeskuksen karttaan joutuu painamaan näyttöä vähintään kahdesti. Siltä varalta, että näytönsäästäjäkuva ei ole riittävän ilmeinen, näyttöjen reunaan on lisätty pienet jälkiviisaat tarrat: ”Infotaulu löytyy koskettamalla ruutua!”. Tästäkään huolimatta en heti tajunnut, mihin infotaulut olivat kadonneet.

Näyttöjen kuva ei myöskään päivity järin nopeasti ja sen tarkkuus on turhan matala lähikatseluun. Sinänsä kosketusnäyttöjen käytössä infotauluina ei ole mitään vikaa. Ne myös helpottavat muuttuneiden tietojen päivittämistä verrattuna painettuihin opastauluihin. Kampin näyttöjen suurin ongelma on, että oletuskuvan informaatioarvo on nolla ja käyttäjä pakotetaan navigoimaan entuudestaan tuntematonta valikkorakennetta ennen kuin pääsee varsinaiseen tietonäkymään, eli karttaan.

Ensimmäinen valikko.

Kun kartan saa auki, huomaa ettei se ole järin selkeästi toteutettu, varsinkin liikkeiden sijainnin hahmottaminen on turhan hankalaa. Helppo keino lisätä havainnollisuutta olisi käyttää värikoodausta eri palveluiden merkitsemiseen.

E-kerroksen karttanäkymä.

Mielestäni voi turvallisesti olettaa, että yleisin tieto, jota kauppakeskusken kävijä kaipaa tällaiselta infonäytöltä on juuri opaskartta. Digitaalisen kartan tulisi toimia päänäkymänä ja aukioloaikojen, hakujen ynnä muun hyödyllisen, mutta toissijaisen tiedon avautua sen päälle. Kauppakeskuksen kartta on jo itsessään usein tuntematon käyttöliittymä, jota pitää tutkia melko huolella vaikka tietäisikin mitä hakee. Kampin näytöissä joutuu lisäksi näkemään vaivaa vielä siihen, että edes löytää koko kartan.

Kampin opastaulujen päivittäminen kosketusnäytöiksi olisi ollut tilaisuus parantaa käytettävyyttä. Tämä mahdollisuus on hukattu, mikä on harmillista varsinkin kun Kamppi on aikoinaan palkittu esteettömyydestä näkövammaisille suunniteltujen opasteiden takia. Esteettömyys ja käytettävyys eivät kuitenkaan ole taineet pysyä kauppakeskuksen prioriteeteissa enää yhtä korkealla rakentamisvaiheen jälkeen.

 

Tietosivu kaupunginosista

Helsingin kaupungin tietokeskuksella on varsin paljon dataa Helsingistä kaupunginosien tasolla. Yksittäisistä taulukoista tai edes Tilastollisesta vuosikirjasta ei kuitenkaan ole aina helppoa hahmottaa kokonaiskuvaa yksittäisistä kaupunginosista. Siksi päätimme viime viikonlopun Open Data Kitchenissä yhdessä Janne Aukian ja We Love Open Datan kanssa tehdä pienen työkalun, jonka avulla voi luoda tietosivuja kaupunginosadatasta.

Työkalu ei ole valmis, mutta se on toimiva prototyyppi jolla pystyy visualisoimaan erilaista dataa kaupunginosista, kunhan se on ensin käsitelty sopivasti muotoilluiksi csv-tiedostoiksi. Mielenkiintoinen jatkokehitysmahdollisuus työkalulle olisi esimerkiksi verkkopohjainen versio, jonka avulla kävijä voisi tulostaa tai jakaa valitsemansa dataa omasta kaupunginosastaan.

Projekti on rakennettu Nodeboxilla ja on ladattavissa kokonaisuudessaan Githubista: https://github.com/jaukia/odk-localdata.
Pdf-tulosteet kaikista kaupunginosista löytyvät täältä.

Kartta perustuu kaupungin avoimeen seutukarttaan, joka on Qgisin ja kml-to-svg-konvertterin avulla muutettu svg-muotoon.

English summary: We made a tool for creating local data sheets from Helsinki city district level data in collaboration with  Janne Aukia ja We Love Open Data. It is made in Nodebox  and is available on Github: https://github.com/jaukia/odk-localdata

Käsittämättömän kuvaaminen

Teksti on julkaistu lyhennettynä Grafia-lehdessä.

Informaatiomuotoilun voima on asioiden näyttäminen niiden todellisissa mittasuhteissa. Se on verrattain helppoa silloin, kun esitettävät asiat ovat jollain tavalla katsojan arkikokemukseen verrattavia, mutta usein näin ei ole. Valaisivimmat näkemäni esitykset ovat onnistuneet voittamaan käsityskyvyn rajoitukset ja antaneet realistisemman näkökulman asioihin kuin pelkät asiantuntijoiden selitykset.

Kuten tästä dvice.comin kuvasta näkyy, kuuluisan Virgin Galacticin avaruuskoneen lentokorkeus peittoaa saman sarjan kilpailijat, mutta on mainettaan mitättömämpi ainakin verrattuna valtiollisten ohjelmien saavutuksiin.

Yleisimmät vaikeaa mittakaavaa käyttävät esitykset liittyvät avaruuden sijaan tavalla tai toisella talouteen. Vuoden 2008 velkakriisin laajetessa syntyi joukko huonoja uutisia. Niiden myötä ilmestyi uutisiin lukumääriä, jotka ovat satoja kertaluokkia suurempia kuin mitä arkielämässä yleensä kohtaa. Kuukausien sisällä päätettiin satojen miljardien dollarien suuruisten rahamäärien kohtalosta. Pelastuspakettien vastustajat Yhdysvalloissa käyttivät pitkiä puheenvuoroja, jotka vilisivät lukusanoja, joita yleensä käytetään vain tähtitieteessä. Niillä ei kuitenkaan ollut samaa selittävää voimaa kuin hyvillä visualisoinneilla, jotka laittoivat luvut oikeaan asiayhteyteen. Lukijan on helpompi hahmottaa vuoden aikana talouteen kaadetun rahan määrä, kun koko paketti on eritelty ja laitettu vierekkäin maan suurimpien menoerien kanssa kahden vuosisadan ajalta. Tällainen visualisointi on tehokasta ja puhuttelevaa sisältöä ja vaatii suunnittelijalta samaa vastuuta kuin toimittajalta.

Vaikka esitys saisi olla visuaalisesti hiotumpi, se auttaa hahmottamaan elvytyspaketin suuruutta. Kuva ei aivan ehtinyt Bailout Nation -kirjan kovakantiseen painokseen, mutta se osoittaa tekijöidensä kyvyn esittää asiat ymmärrettävässä asiayhteydessä.

Toinen ihmiselle vaikeasti hahmottuva asia on todennäköisyys (tähän lottoamisenkin suosio perustuu). Olemme luonnostamme taitamattomia arvioimaan harvinaisten tapahtumien todennäköisyyksiä. Seuraavanlaisia kuvia voisi jakaa kaikille luulotautisille ja kroonisesti pelokkaille.

(klikkaa päästäksesi suurempaan versioon)

Hyvän viestinnän ohjeen mukaan ihmisen havaintokyky on kaventuva ja tarkentuva: havaitsemme suuripiirteisesti laajoja kokonaisuuksia ja niiden pienempiä osasia yksityiskohtineen, mutta emme kumpaakin yhtä aikaa. Kirjoittajalle tämä tarkoittaa, että uudet asiat esitellään aloittamalla yleisistä piirteistä ja päätymällä lopulta yksityiskohtiin. Informaatiomuotoilussa sama johdattelu tehdään käyttämällä kuvan sisäistä visuaalista kielioppia. Siinä yleinen taso on se, jonka lukija huomaa ensinäkemältä. Se määrittää mittakaavan ja esitettävän tiedon eri tyypit. Yksityiskohtaisin taso näyttää tarkimman tiedon, jonka parhaassa tapauksessa voi suhteuttaa saumattomasti kuvan muihin osiin. Pelkkä datatiheys ei tee kuvasta arvokasta, sillä ilman yhdistäviä vinkkejä se on vain tiedon saareke. Edellä näytetyissä esimerkeissä johdattelu yleisen ja yksityisen välillä tapahtui yksinkertaisesti visualisoimalla luvut eri asiayhteyksiin. Saman voi tehdä monipolvisesti, kuten itse kokeilin tässä puretussa aikajanassa, joka havainnollistaa geologisen ajan jakotapaa:

 

(kuva suurenee klikkaamalla)

Harmittavan yleinen tapa graafikoilla on tekstin välttäminen informaatiomuotoilussa. Ehkä kyse on liiasta itsevarmuudesta (tai turhamaisuudesta). Tekijä luottaa kuvakerrontansa vahvuuteen niin paljon, että tekstin käyttäminen tuntuu luovuttamiselta. Ehkä kyseessä on myös jonkinlainen tiedostamaton reviirijako kuvittavan ja kirjoittavan väen välillä. Joka tapauksessa on harvoin mitään oikeaa syytä olla käyttämättä tekstiä osana esitystä. Uudet asiat on joka tapauksessa avattava sanallisesti, ja parhaiten se onnistuu kun selitys on osa kuvitusta. Typografian hierarkiaa luovat keinot ovat kuvallisia kerrontatapoja muiden rinnalla.

Kun visuaalinen kielioppi on johdonmukainen ja helppo hahmottaa, sitä voi jatkaa eri mittakaavojen lisäksi eri kuviin. Kun samaan raamiin laadittuja kuvallisia tietokokonaisuuksia järjestetään kuvasarjaksi, niitä vertaamalla voi nähdä pieniäkin muutoksia lukumäärien ja muiden arvojen välillä. Edward Tufte käyttää näistä nimitystä small multiples, toistokuvio. Tämän keinon vahvuus vaikeasti hahmotettavien asioiden kuvaamisessa on sen kyky kertoa muutoksen laatu ja määrä hyvin tarkasti. Tällaiset esitykset näyttävät sommittelunsa puolesta hieman sarjakuvilta, ja niissä toimii lukemisen johdattelun kannalta pitkälti sama logiikka. Tufte on sitoutunut pelkistettyyn ja hienovaraiseen esittämiseen ja perustelee mieltymyksensä hyvin, mutta sarjakuvakerronnan keinoilla olisi paljon annettavaa informaatiomuotoilulle. Etenkin aikasarjaan järjestetyissä kuvissa sarjakuvateoreetikko Scott McCloudin ohjeet ruutusommittelusta tekisivät esityksistä parempia. Ne ovat yhtä avartavaa luettavaa kuin mikä tahansa informaatiomuotoilun teorian klassikoista, mutta ikävä kyllä yhtä huonosti saatavilla suomeksi. Hänen nettisivunsa ovat kuitenkin hyvää luettavaa kaikille graafikoille. McCloud jakaa ruutuvaihdosten tyypit kuuteen luokkaan riippuen ajallisen ja tilallisen muutoksen määrästä ruutujen välillä. Hetkestä hetkeen tapahtuva muutos on näistä välittömin, kun taas suurin muutos vaihtaa kohtauksen tapahtumapaikan ja -ajan täysin. Mikään teoria ei tietenkään korvaa kokeneen suunnittelijan visuaalista rytmitajua, mutta ruutukerrontaan liittyy yllättäviä ja helppotajuisia lainalaisuuksia, joita avataan lyhyesti kirjassa Sarjakuva – näkymätön taide.

Tilastografiikassa mitta-asteikon yhdenmukaisuus on selkeyden kulmakivi. Siitä tulee kuitenkin rasite, kun esitetään yhdessä kuvassa täysin eri kertaluokkien lukuja. Tällaisiin tarkoituksiin ei ole sellaisia valmiita ratkaisuja, joita muut kuin asiantuntijat osaisivat lukea. Tämä ei estä hyvää tarkoittavia valistajia yrittämästä. Välillä suurelle yleisölle tarkoitettuihin julkaisuihin eksyy jopa tilastokuvia, joissa käytetään logaritmista asteikkoa. Ne kertovat tekijöiden oppineisuudesta, mutta harvoin avaavat sisältöä lukijalle. Eri mittakaavojen asioita vertailtaessa onkin välillä luovuttava yhtenäisestä mitta-asteikosta. Rinnastus on silti mahdollista, jos muut kuvalliset mittarit ovat yhtenäiset. Väri on tässä yleinen apu, samoin kuin typografinen hierarkia. Isotype-kuvista tutut yksikkösymbolit ovat myös tapa kuvata lukumääriä vertailukelpoisesti. Kun jokainen symboli on suunniteltu hyvin skaalautuvaksi, rinnastettavilla kuvilla voi olla suurikin määrällinen ero. Mittakaavaongelman ratkaisemiseksi osiin purettu kuva vie usein enemmän tilaa ja esittää edelleen saman datamäärän, mutta tiheyden menetystä korvaa sen saama kerronnallinen arvo. Vaikka infokuvan ei pidäkään olla kuvitusta, tällaiset koostetut esitykset ovat usein esteettisestikin kiinnostustavia.

Vaikeasti hahmotettavien asioiden tulkitsemisessa kuviksi pelkät äärimmäiset mittakaavat eivät ole ainoa ongelma. Suunnittelijan oma ymmärrys aiheesta on kapein pullonkaula. Parhaissa esityksissä tekijä on hankkinut vähintään perustiedot aiheesta ennen kuvan luonnostelua, mikä näkyy oivaltavina ja genren rajoja rikkovina ratkaisuina. On parempi, että aineistoon perehtyy graafinen suunnittelija kuin että kuvan tekisi visuaalisuuteen perehtymätön aiheen asiantuntija. Moni tärkeä uutinen on joka tapauksessa vaikea käsittää, ja hyvä kuva avaa sen sisällön tavalla, johon pelkkä teksti ei kykene.

Käytettävät katukyltit

Epäilen, etten ole ainut joka vieraassa kaupungissa on onnistunut kadottamaan täysin käsityksensä ilmansuunnista ja kävellyt satoja metrejä väärää katua väärään suuntaan. Erityisen helposti näin käy kun on saapunut paikalle metrolla, joka on aivan erityisen omiaan suuntavaiston sekoittamiseen. Tilannetta pahentavat usein lisäksi huono kartta ja puutteelliset opasteet – ei ole tavatonta että joutuu kävelemään pitkään ennen kuin löytyy edes järjellinen katukyltti.

Vielä hankalampaa on löytää joku tietty katunumero. Numerointikäytäntö tunnetusti vaihtelee maiden ja kaupunkienkin välillä. Oikean numeron löytäminen ja niiden järjestyksen hahmottaminen ei aina ole helppoa. (Helsingissä uusien katujen numerointi noudattaa seuraavanlaista logiikkaa: ”numerot kasvavat etelästä pohjoiseen ja idästä länteen tai liikenteen päätulosuunnasta lukien siten, että parittomat numerot ovat oikealla ja parilliset vasemmalla puolen katua.” Käytäntö on vaihdellut eri aikoina, eikä kaikkien vanhempien katujen numerointi vastaa tätä.) Tämä synnyttää informaatiomuotoiluhaasteen: onko mahdollista suunnitella sellainen katukyltitys, että suuntansa kadottanut löytää itsensä helposti kartalta niiden avulla? Tai vielä mieluummin: kaupunki, joka on itsessään niin ”luettava”, ettei karttaa välttämättä edes aina tarvita entuudestaan tuntemattomassa paikassa suunnistaessakaan.

Asiaa on helppo pitää yhdentekevänä, koska gps-paikantimella ja karttaohjelmistolla varustetut älypuhelimet ovat nykyisin verrattain yleisiä. Toistaiseksi datasiirron kustannukset kuitenkin rajoittavat niiden käyttöä ulkomailla – jossa pahimmat harhailut yleensä tapahtuvat. Henkilökohtaisesti olen myös sitä mieltä, että helposti hahmotettava kaupunki on parempi ratkaisu kuin edellyttää ihmisten suunnistavan gps-laitteiden varassa.

Kävin äskettäin Shanghaissa, joka on Kiinan suurin ja nopeimmin kehittyvä metropoli. Kaupungissa on parhaiten toimiva katukyltitys, jota olen missään nähnyt. Lähes jokaisessa risteyksessä on selkeä ja näkyvä kyltti, jossa lukee kadun nimi kiinaksi ja latinalaisin kirjaimin, pinyin-järjestelmän mukaisesti translitteroituna:

Tämän lisäksi joka kylttiin on myös merkittu kadun ilmansuunnat. Tämä varsin oivaltava ratkaisu, ottaen huomioon että pahimmat suunnistusvirheet tuntuvat johtuvan nimenomaan ilmansuunnissa sekaantumisesta. Jokaisessa nimikyltissä lukee myös kyseisen korttelinpätkän katunumerot, mikäli sellaisia on. (Myös itse taloihin numerot on merkitty yhtenäisesti ja johdonmukaisesti). Koska Shanghaissa on useita erittäin pitkiä katuja, numerotieto on varsin hyödyllinen. Helpottavaa on myös että pitemmät kadut on jaettu kolmeen osaan (mallia läntinen, keskimmäinen ja itäinen, esim. ”复兴东路 / Fuxing Rd. (E)”). Päättyvä katu on merkitty punaisella ympyrällä.

Katukylttien perinpohjainen ja onnistunut toteutus (”chinglishiä” kylteissä ei näy lainkaan) oli osa kaupungin ponnisteluja sen valmistautuessa Expo 2010-maailmannäyttelyyn. Maailmannäyttely on siis nähtävästi tuottanut pysyvääkin hyötyä kaupungin kehitykselle. Yhdistettynä mittavaan, tehokkaaseen metrojärjestelmään (jonka opaskartta verrattain toimivasti hyödyntää tuttua Lontoon metron karttakaaviota esikuvanaan) kyltitys tekee suunnistamisen valtavassa kaupungissa huomattavan yksinkertaiseksi. Koko kaupungista on näin tehty luettava.

HS Openin satoa

Maanantainen HS Open tuotti kiinnostavia tuloksia, mutta osoitti taas kerran miten hankalaa homma visualisointien tekeminen on kun sekä data on vaihtelevan laatuista että työkalut hakevat muotoaan.

Informaatiomuotoilu.fi:n porukasta minä ja Tommi olimme mukana ja kuuluimme sattumoisin molemmat ryhmiin jotka askartelivat saman kysymyksen parissa: miten asuntojen hintapyynnöt korreloivat toteutuneiden kauppahintojen kanssa. Toisen ryhmän tuloksien pohjalta saatiin aikaiseksi kiinnostava artikkeli netti-Hesariin, jossa näkökulmaa on haettu myös kiinteistövälittäjältä ja aiheeseen perehtyneiltä tutkijoilta. Jutussa Helsingin kaupungin tietokeskuksen tutkija Henrik Lönnqvist kiinnittää aivan aiheellisesti huomiota datan yhteismitallisuuden ongelmiin. Oikotie-palvelusta saatu aineisto hintapyynnöistä on kattavaa, mutta sen sijaan toteutuneista kaupoista saatu data ei ole. Omassa ryhmässäni mukana ollut toimittaja Tuomo Pietiläinen teki julkisuuslain mukaisen tietopyynnön tarkemman datan saamiseksi, mutta saa nähdä johtaako se mihinkään. Nyt jouduimme tyytymään ympäristöministeriön ja ARAn ylläpitämästä Asuntojen hintatiedot -palvelusta raavittuun aineistoon, joka on ladattavissa HS Next -blogista. Se kertoo kaupat vain kadun tarkkuudella vuoden ajalta yksilöimättä kaupankäyntiajankohtaa, minkä johdosta on melko mahdoton tehtävä yrittää katsoa millä hinnalla joku tietty asunto on mennyt kaupaksi.

Kaikkien hintapyyntöjen vertaamisessa kaikkiin toteutuneisiin kauppoihin on ilmeisiä ongelmia, jo siksi että toteutuneita kauppoja on aineistossa paljon vähemmän kuin hintapyyntöjä, joten hintapyynnöissä lienee mukana spekulatiivista kauppaa (myyntiin ei ole akuuttia tarvetta, mutta kokeillaan saisiko hyvän hinnan jos myisi) mikä on omiaan nostamaan hintapyyntöjen keskiarvoa. Tähän kuitenkin oli tyydyttävä. Omassa ryhmässäni aikomus oli tehdä jaotteluja asuntojen koon mukaan, mutta sitä ei tiukassa aikataulussa ehditty tehdä. Näin ollen esimerkiksi jos alueella on myynnissä monen kokoisia asuntoja, mutta kauppa on käynyt vain tietyn kokoisista asunnoista, keskimääräinen neliöhinta on voitu laskea hintapyynnöissä ja toteutuneissa kaupoissa ihan eri kokoisista kämpistä joka on jälleen omiaan vääristämään lopputulosta.

Itse kuuluin siis kolmihenkiseen ryhmään, jossa minun ja Pietiläisen lisäksi mukana oli vielä Seravon Otto Kekäläinen. Me taistelimme samojen aineisto-ongelmien kanssa kuin toinenkin ryhmä, mutta valitsemamme visualisointitapa, koropleettikartta, tuotti vielä lisää harmaita hiuksia. Datasta helposti saatava aluejako kun olisi postinumeroalueet, mutta niitä taas ei vaikuta löytyvän vektorina avoimella lisenssillä mistään. Karttakeskus kyllä myisi aineistoa ystävällisesti 922,50 euron hintaan. Helsinki Region Infosharen kautta saatavilla olisi pien-, suur- ja tilastoalueet vektorina, mutta jostain syystä postinumeroalueita ei tunnu löytyvän mistään. Loppujen lopuksi päädyimme hätäratkaisuna piirtämään käsipelillä alueet käsiinsaamamme jo hieman vanhentuneen kartan pohjalta, josta puuttui mm. Östersundomin alue. (Tulevaisuuden tarpeita ajatellen We Love Open Datan Martti Leppänen teki ansiokasta työtä laatimalla taulukon, jonka avulla postinumeroalueet voi sovittaa peruspiireihin. Ihan kaikkia ongelmia tämäkään ei toki ratkaise, mutta auttaa paljon.)

Kaikken tämän säädön vuoksi kävi sitten niin, että oma ryhmäni ei saanut oikein mitään valmista maanantaina. Viikon mittaan luppohetkinä on kuitenkin viimeistelty se työ joka maanantaina aloitettiin. Lopputulos, Nodeboxilla ja Illustratorilla työstetty koropleettikartta näyttää tältä:

Punainen väri ilmaisee, että toteutuneiden kauppojen keskimääräinen neliöhinta on hintapyyntöjä pienempi, vihreä taas että suurempi. Värin intensiteetti tai värikylläisyys kertoo kuinka paljon suurempi tai pienempi ja sen tummuus taas pyrkii ilmaisemaan tehtyjen kauppojen määrää, siten että tummemmilla alueilla kauppoja on tehty enemmän ja vaaleammilla vähemmän, ajatuksena siis että erotuksen merkitys on pienempi kuin kauppoja on tehty vain vähän, eli otos on pieni. Käytännössä tuli kuitenkin huomattua, että värin intensiteetti ja tummuus on aika hankala erottaa toisistaan ja asetuksia hieman peukaloimalla syntyy kovin erilaisia lopputuloksia kuten yllä olevasta kolmesta eri variaatiosta huomaa. Ongelmakohdaksi muodostui mm. 00160-postinumeroalue (Katajanokka), jossa kauppoja oli tehty hyvin vähän (18 kpl), mutta ero hinnoissa oli valtava (yli tuhat euroa neliöltä), tai toisaalta 00980-alue (Vuosaari), jossa kauppoja oli paljon (110 kpl), mutta hintaero verrattain pieni (n. 120 € neliöltä). Näistä kolmesta vaihtoehdosta ylin tuntuu ilmaisevan visuaalisesti parhaiten sen minkä numerodata kertoo, mutta sekään ei ole täysin tyydyttävä. Esimerkiksi Jollaksen 00850-postinumeroalue katoaa kartalta melkein kokonaan, koska siellä on tehty vain kolme järjestelmään tallentunutta asuntokauppaa. Tästä opin ainakin, että väriskaalan suunnitteluun kannattaa varata aikaa ja miettiä myös sen teknistä toteutusta. Nyt ratkaisuna oli muuttujien arvojen pyöräyttäminen suoraan HSB-värimallin arvoiksi pienin painotuksin, mutta paremmalta näin jälkikäteen ajatellen tuntuisi tehdä kaksiulotteinen ”liukuvärikartta” josta osa-alueiden värit sitten poimittaisiin.

Kysyn vielä Otolta, saako karttaan menneen raakadatan julkaista (se ei ole aivan täsmälleen sama kuin HS Next -blogissa julkaistu, koska se on raavittu hieman eri aikaan ja palvelua on ilmeisesti välissä päivitetty) ja jos saan myöntävän vastauksen, lisään sen tähän loppuun jos jollakulla on kiinnostusta katsoa millaisesta datasta kartta on muodostunut.

Presentation: What is visualization?

In Finnish: Suomennamme tämän artikkelin myöhemmin blogia varten, tässä se on englanninkielisenä siinä muodossa kuin se esitettiin aiemmin tänään PICNIC-festivaalilla. 

We were asked to do a short (20 min.) presentation about what visualization is and why it matters for Open Data Breakfast at PICNIC Amsterdam. You can download this presentation as a pdf here, annotated with the text of the presentation as comments, or if you prefer, read the full text below.

edit (September 27th 2011): The same presentation was given at the IBM Smarter Cities Challenge workshop at Aalto Design Factory yesterday, where it was recorded and is now viewable online:

Jatka lukemista ”Presentation: What is visualization?”

Hymynaamoista ja pelkistämisestä

Jo vastasyntynyt lapsi osaa tunnistaa kasvoja. Ihmiskasvojen lisäksi pieni lapsi erottaa eläinten kasvonpiirteitä paremmin kuin aikuiset ja tunnistaa jopa hyvin abstraktin ”hymynaaman” kasvoja esittäväksi kuvaksi. Tämä kaikki on toki sinänsä kiehtovaa ja kertoo siitä, miten voimakas ihmisen luontainen kyky tunnistaa kuvioita on, mutta samaan aikaan se myös herättää kysymyksiä. Tarkoittaako se, että lapsi näkee kasvot kuviossa joka koostuu kaaresta ja kahdesta pisteestä, että nämä olisivat jollain tavalla “ihanteelliset” kasvot?

Kysymys liittyy ilmaisu- ja tyylivalintojen merkitykseen tiedon visualisoimisessa. Pelkistetyn, geometrisen ilmaisun perinne informaatiomuotoilun hallitsevana visuaalisena tyylinä on pitkä. Tällaista tyyliä on perinteisesti pidetty objektiivisena ja selkeänä, mikä näkyy edelleen varsinkin varoitus- ja liikennemerkeissä. Tästä hyvä esimerkki on Yhdysvaltain graafisten suunnittelijoiden järjestön Aigan 1970-luvulla kehittämä kansainvälinen opastesymbolijärjestelmä. Usein ajatellaan, että tämä minimalistinen tyyli edustaa suoraa jatkumoa Isotype-perinteelle. Tarkemmassa vertailussa havaitsee kuitenkin, että Gerd Arntzin piirtämät Isotype-hahmot, vaikkakin pelkistettyjä, ovat kuitenkin selvästi ilmeikkäämpiä ja yksityiskohtaisempia. Minimalistisen tyylin juuret ovat pikemminkin sodanjälkeisen kansainvälisen modernismin pyrkimyksessä geometriseen yksinkertaisuuteen.

Onko siis syynä siihen, että lapsille tehdään yksinkertaisia hymynaamoja se, että heidän kykynsä reagoida niihin on kiehtonut havaintopsykologeja ja suunnittelijoita ja myös sattunut hyvin istumaan vallitseviin esteettisiin trendeihin, pikemminkin kuin se, että lapset itse pitäisivät sellaisia erityisen houkuttelevina?

Jatka lukemista ”Hymynaamoista ja pelkistämisestä”

Oppikirjojen kuvituksesta

Informaatiomuotoilu-blogi on alkujaan perustettu kirjaprojektin kylkiäiseksi. Työstämme paraikaa aineistoa toivon mukaan ensi keväänä julkaistavaa ensimmäistä suomenkielistä informaatiomuotoilun perusteosta varten. Osana tätä prosessia minun tehtäväkseni on langennut käydä läpi kaikki aihetta sivuava kotimainen tieteellinen tutkimus. Tämä artikkeli käsittelee erästä äskettäin lukemaani ja aikanaan paljonkin polemiikkia herättänyttä suomalaista pioneeritutkimusta oppikirjojen kuvituksesta.

* * *

Silmänliike- eli katseenseurantatutkimus on antanut empiiristä pohjaa aiemmin lähinnä teoreettisiin hypoteeseihin pohjautuneille käsityksille ihmisten lukutavoista. Suomessa on tehty maailmanlaajuisestikin uraauurtava silmänliikekameroita hyödyntävä tutkimus oppikirjojen kuvituksen vaikutuksista oppimistuloksiin Turun yliopiston psykologian laitoksella 1996 väiteleen filosofian tohtorin, nykyisin turkulaisen Ilpoisten koulun rehtorina toimivan Matti Hannuksen väitöstutkimuksessa Oppikirjan kuvitus – koriste vai ymmärtämisen apu? Tutkimuksessa suoritettiin kevätlukukaudella 1993 Turussa luokkatason oppimiskoe kuvitettuja ja kuvittamattomia versioita samoista biologian oppiaineistoista käyttäen 108:lle neljännen luokan oppilaalle, sekä silmänliiketutkimus johon valikoitiin edellisen ryhmän 12 lahjakkainta ja 12 ei-lahjakkainta oppilasta Ravenin testin avulla.

Hannuksen tutkimus osoitti, että koehenkilöt käyttivät vain 6 % oppikirjojen parissa käytetystä ajasta kuvien katseluun ja peräti 94 % tekstin lukemiseen, eikä kuvitusten käyttö juuri parantanut oppimistuloksia kuvittamattomiin versioihin samoista aukeamista verrattuna. Oppilaat eivät juurikaan käyttäneet kuvia hyödykseen tekstiä lukiessaan vaan suurimmalla osalla (92 %) oli selvä tekstisuuntautunut malli oppikirjan aukeamien prosessoimiseen, joskin taiton avulla pystyttiin jonkin verran ohjaamaan prosessointitapoja haluttuun suuntaan. (Mielenkiintoinen havainto on, että kuvateksteihin käytettiin enemmän aikaa kuin kuviin ja kuvaa, jossa oli kuvateksti katsottiin myös pitempään kuin sellaista, jossa ei ollut.) Hannus menee niin pitkälle, että toteaa: ”Voidaan puhua kuvituksen karsivasta funktiosta eli kuva-ala määrittää ne aukeaman kohdat, joita ei tarvitse prosessoida perusteellisesti.” Hän ehdottaa, että oppikirjoista voitaisiin karsia 60–70 % kuvituksesta ja lisätä vastaavasti tilaa pitemmille teksteille.

Jatka lukemista ”Oppikirjojen kuvituksesta”