Yksityiskohtaisen ja yleispiirteisen tason suunnittelussa paikkoihin liittyviä kokemuksia käsitellä eri tavoin. Koska olen asemakaavoittaja, en yritäkään kertoa, mitä yleispiirteisessä suunnittelussa tarvitaan. Selvää on kuitenkin se, että asemakaavatasolla suunnittelija tarvitsee ja voi hyödyntää yksityiskohtaisempaa tietoa kuin yleispiirteisellä tasolla. Vaikka kokemukseni paikkakokemusten hyödyntämisestä suunnittelussa ovat rajalliset, olen tarkastellut asiaa monesta eri näkökulmasta: verkko-osallistumissovellusten kehittäjänä, asukasnäkökulman tutkijana sekä nyt viime aikoina asemakaavoittajana.
Paikkoihin liittyviä kokemuksia kerätään hyvin erilaisilla tavoilla suunnitteluhankkeissa. Tässä tarkoitan kuitenkin erityisesti erilaisten karttamenetelmien avulla kerättyä ns. kokemuksellista paikkatietoa. Internet-pohjaisia menetelmiä ovat esim. PehmoGIS-kyselyt ja kartoittaja.fi, mutta tietoa voidaan kerätä myös perinteisellä tarrakarttamenetelmällä tai vaikkapa paperikyselyn avulla.
Asemakaavoittajalle pelkkä positiivinen tai negatiivinen piste ei kerro paikkakokemuksesta juuri mitään. Kohteesta pitää tietää enemmän. Vähintäänkin se pitää liittyä johonkin aiheeseen (esim. ulkoilu, liikenne, päivittäispalvelu, julkinen palvelu, turvallisuus, maisema jne.). Eniten arvoa on niillä paikannuksilla, joista osallistuja on kertonut ajatuksiaan. Esimerkiksi ulkoilupaikan kokemusta täydentää olennaisesti se, mitä osallistujalla on tapana tehdä paikassa ja minkälaisia positiivisia tai negatiivisia ominaisuuksia siihen liittyy. Käyttäjä voi esimerkiksi kertoa, että kokee paikassa luonnon rauhaa ja käy siellä rentoutumassa tai että lähimetsä on lasten leikkipaikka ja talvisin siellä käydään laskemassa pulkkamäkeä.
Järvenpään Lepolassa hyödynsimme aiemmin kerättyä PehmoGIS-aineistoa sosiaalisten vaikutusten tunnistamisessa (Huom! Kyse ei ollut vielä arvioinnista). [1] Kyseessä oli osayleiskaavatyö, mutta sen tarkkuustaso oli hyvin lähellä asemakaavatasoista suunnittelua. Tieto sisälsi positiivisia ja negatiivisia paikannuksia, jotka oli valmiiksi PehmoGIS-tutkijoiden luokittelemaa [2], mutta muokkasimme luokittelua myös itse. Lepolan analyysiraportista voi tutustua tarkemmin aineistosta löydettyihin teemoihin.
Näyttääkin siltä, että aineiston luokittelua ei voi etukäteen suunnitella valmiiksi. Itse sovellan paikkakokemusten analysointiin laadullista, aineistolähtöistä sisällönanalyysia [3]. Se tarkoittaa tekstipohjaisen aineiston analysointimenetelmää, jossa aineistoa luetaan läpi riittävän monta kertaa, jotta se voidaan luokitella aineistolähtöisesti. Myös käsillä oleva suunnittelutehtävä ohjaa luokittelua: mitä aineiston avulla on tarpeen selvittää?
Luokittelun tavoitteena on jäsentää sisältöä helposti ymmärrettäviksi ja tarkoituksenmukaisiksi kokonaisuuksiksi. Valmiiksi luokiteltu aineisto auttaa työssä, mutta kommentit on silti käytävä yksitellen läpi. Sisältöjä lukemalla varmistetaan myös, että suunnittelija sisäistää alueen käyttäjien tarpeet henkilökohtaisesti ja pystyy paremmin eläytymään osallistujien maailmaan.
Lähteet:
- Nummi, Pilvi & Ahlfors, Niina. 2009. Lepolan osayleiskaava, Sosiaalisten vaikutusten tunnistaminen. Järvenpään kaupunki. Kaavoitus ja mittaus.
- Kyttä, M. & Kahila, M. 2006. PehmoGIS elinympäristön koetun laadun kartoittajana. Teknillinen korkeakoulu. Yhdyskuntasuunnittelun tutkimus- ja koulutuskeskus. Julkaisu B 90.
- Saaranen-Kauppinen, Anita & Puusniekka, Anna. 2006. Sisällönanalyysi. KvaliMOTV – Menetelmäopetuksen tietovaranto [verkkojulkaisu]. Tampere : Yhteiskuntatieteellinen tietoarkisto [ylläpitäjä ja tuottaja].
Käyttäjien tarpeiden huomioon ottamista varmaan yleisesti vaikeuttaa se, ettei kommenttien lukemiseen moneen kertaan ja luokittelun tekemiseen tahdo löytyä riittävästi aikaa. Vaikkei luokittelua voi tehdä etukäteen valmiiksi, voisiko työtä auttaa jonkinlainen älykäs ohjelma, joka tunnistaisi kommenttiaineistosta aiheita ja ehdottaisi luokkia aiempien vastaavantapaisten aineistojen luokitteluja hyödyntäen?
Hyvä huomio! Analysoinnin ongelmat ovat varmaankin yksi syy, miksi paikkoihin liittyvien kokemusten ja kommenttien hyödyntäminen suunnittelussa koetaan työlääksi. Toisaalta se johtaa myös siihen, että suunnittelija ei itse ehdi tekemään analysointia, vaan se teetetään esim. konsultilla. Siinä mielestäni menetetään paljon, koska itse tehty aineiston analysointi auttaa käyttäjätarpeiden sisäistämisessä.
Tarvetta sopiville laadullisen paikkatietoaineiston analysointivälineille siis ehdottomasti on. Paikkatieto-ohjelmistot, joilla tämä työ kai toistaiseksi nykyään tehdään, eivät tue laadullista analysointia. Ehdottamasi älykäs ohjelma kuulostaa hyvältä. Erilaisia tekstianalyysityökalujahan on olemassa, mutta onkohan niitä yhdistetty paikkatietoon?
Minulle tulee ensin mieleen Studio Mindin Textplorer (http://studiomind.net/), johon voisi tutustua.
Mm. Pilvin diplomityöhön ja Pehmo-GIS-tutkimukseen pohjautuen sovelsin omassa diplomityössäni paikkatietojärjestelmässä olevaan kommenttiaineistoon tekstianalyysimenetelmää, joka luokittelee laadullista (eli tekstimuotoista) spatiaalista aineistoa käyttäjän antamien hakutermien mukaisesti. Se näyttää kartan päällä värillisenä alueena paikat, joissa käyttäjän hakema hakutermi on paikkaa lähimmän kommentin aiheen mukainen.
Aiheiden vertailu tehdään ”älykkäästi” tekstin sanastoon pohjautuen. Kommentteja ei missään vaiheessa luokitella valmiisiin kategorioihin, vaan kaikki kommentit sekä käyttäjän antama hakutermi sijaitsevat abstraktissa 86-ulotteisessa ”aiheavaruudessa”, jossa kommenttien (ja hakutermin) etäisyyksiä toisistaan voidaan verrata. Mitä lähempänä kaksi näytettä ovat toisiaan tuossa aiheavaruudessa, sitä enemmän ne muistuttavat toisiaan myös puheenaiheeltaan.
Tekstianalyysimenetelmiä on monenlaisia, sovelsin tässä latenttia semanttista analyysia (LSA) joka perustuu pääkomponenttianalyysiin. Käyttäjältä ei periaatteessa vaadita mitään järjestelmän opettamista, luokittelua tai muitakaan toimenpiteitä tai tietämystä, pitää vain keksiä sopivia hakutermejä, joita muistuttavia kommentteja haluaa etsiä kartalta.
Menetelmä ei suoraan anna käyttäjälle vastauksia kysymyksiin ”missä on kivaa” tai ”mihin kannattaa rakentaa puisto”, mutta se voi auttaa käyttäjää jäsentelemään omaa mielikuvaansa valtavasta kommenttimassasta. Kun löydät yhden kommentin johonkin aiheeseen liittyen, voit tarkistaa, löytyykö samasta aiheesta lisää kommentteja ja mistä päin karttaa ne löytyvät. Menetelmä löytää sanojen synonyymejä ja samaan aiheeseen liittyviä sanoja, ja ymmärtää ne samaksi aiheeksi, joten sanamuodon ei tarvitse olla ihan kohdillaan.
Menetelmää testattiin runsaalla kahdella sadalla kommentilla, mikä on varsin pieni aineisto tämäntyyppiselle menetelmälle (yleensä suositellaan vähintään tuhatta). Menetelmän on tällöin vaikea löytää kommenttien välisiä yhteyksiä sanaston pienuuden vuoksi. Silti yhtäläisyyksiä löytyi ja menetelmän toimivuus voitiin todentaa. Varsinaista lopputulosta eli vaikutusta kaupunkisuunnitteluprosessin tehokkuuteen ei voitu työn puitteissa verifioida, siihen olisi vaikuttanut moni sosiaalipoliittinen ja muu skoupin ulkopuolelle jätetty tekijä.
Väittäisin että (tekin) tulette tulevaisuudessa saamaan ihan hyviä työkaluja laadullisen aineiston käsittelyyn, tämä mun työ oli vain proof-of-concept. Pitäisi olla mahdollista.
Kiinnostavaa tietoa ja huomioita, kiitos! Täytyykin tutustua tuohon Textploreriin. Tero, vaikuttava tämä menetelmänkehitystyösi, tässä on selvästi ainesta suunnittelun apuvälineiden innovointiin jatkossa. Hyvä kuulla että kokemuksesi perusteella tällaisia työkaluja voisi tulevaisudessa hyvin olla. Vaikkei välineillä saisi ihmisten kertomista asioista yhtä perusteellista ymmärrystä kuin kommentteihin tarkkaan yksitellen tutustumalla, varmaan välineistä voisi olla yleisesti apua ainakin verrattuna siihen jos kommentteja ei käytetä juuri mitenkään.
Olisiko Tero tuota työtäsi lisää tietoa verkossa tai voiko sitä päästä lukemaan kokonaisuudessaan jossain?
Teron sovellusta testattiin Espoon keskuksen kehittämisfoorumin Paikallistietokartalla (http://www.espoonkeskus.fi/wkt), mutta se ei ole nyt käytössä sivustolla. Kartalla kommentteja oli silloin tosiaan noin parisataa ja alueena on koko Espoon keskus. Pohdimme silloin sitä, että tällaisen kommenttimäärän läpikäynti ei ole ihan mahdotonta manuaalisestikaan, vaikka toki apuvälineistä voi olla hyötyä.
Kuten Tero toteaa analysointityökalun hyöty korostuu, kun kommentteja alkaa useampia satoja tai tuhansia. Ehkäpä analysointityökalun tarpeita kannattaakin pohtia erityisesti yleispiirteisen suunnittelun näkökulmasta?
Pilvin esiintuoma käyttäjätiedon paikannus on tärkeä teema, mutta kuten kommentoijat ovat tuoneet esiin, käyttäjäkommentit ovat aineistona haasteellista käsitellä. Mutta keinoja on, kuten Terokin on työllään osoittanut.
Arkkitehtuurin laitoksella olemme testanneet Textplorerin käyttömahdollisuuksia. Työkalu toimii mukavasti silloin, kun kommenttiteksti on ns. perusmuotoista, eli kommenteissa ei ole paljoa taivutusmuotoja eikä sidesanoja. Toisin sanoen, netissä tapahtuva kommentointi tuottaa työkaluun sopivaa aineistoa. Mutta tässäkin haasteena on aineiston laajuus – kommentteja tarvitaan useampia satoja, jotta työkalu saa riittävästi dataa josta oppia, mitkä sanat ja ilmaisut liittyvät mihinkin teemaan.
Käyttäjäkommenttien keruu edellyttää näin ollen alkuvaiheessa aina ”inhimillistä osuutta”, aineiston manuaalista läpikäyntiä. Mutta jatkuva-aikaisessa kommenttien keruussa tai säännöllisin väliajoin tapahtuvassa seurannassa aineistoa syntyy aikaa myöten kattavasti. Textplorerissa on myös se mielenkiintoinen ominaisuus, että työkalu mahdollistaa ajallisen ulottuvuuden tarkastelun, ts. sillä voi saada visuaalisen katsauksen eri aiheiden painotuksiin eri vuosina/vuosikymmeninä.
Löysin myös Mia Marttiinin kirjoituksen Textplorer-työkalusta Mahdollista.fi-blogissa. Lue Semanttiset menetelmät apuna tekstien älykkäässä ymmärtämisessä.
Lopputyöni löytyy osoitteesta
http://lib.tkk.fi/Dipl/2010/urn100508.pdf