Kvalitetskontroll av klasseinndelte statistiske kart - Norsk Nettskole
Kvalitetskontroll av klasseinndelte statistiske kart - Norsk Nettskole
Kvalitetskontroll av klasseinndelte statistiske kart - Norsk Nettskole
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
standardiseringsarbeid; når data skal deles er dokumentasjon <strong>av</strong> kvalitet viktig.<br />
Mindre aktivitet synes det å være rundt dokumentasjon <strong>av</strong> <strong>kart</strong>ografiske<br />
sluttprodukter. Det er ingen grunn til å la dette være ugjort når det gjelder<br />
<strong>klasseinndelte</strong> skr<strong>av</strong>ur<strong>kart</strong> for her finnes det metoder for å dokumentere kvalitet <strong>av</strong><br />
<strong>klasseinndelte</strong> skr<strong>av</strong>ur<strong>kart</strong> (Jenks og Caspall, 1971).<br />
Som allerede nevnt er det vanlig å klasseinndele variabelen som skal fremstilles i<br />
skr<strong>av</strong>ur<strong>kart</strong> for å forenkle det visuelle uttrykket slik at <strong>kart</strong>et skal være et ”effektivt<br />
kommunikasjonsmedium”. MacEachren kritiserer denne iveren etter forenkling, en<br />
kritikk jeg deler:<br />
‘In many cases we seem to h<strong>av</strong>e lost sight of the fact that maps are intended to communicate<br />
something about geographic reality. We h<strong>av</strong>e instead limited our attention to evaluating the<br />
reader’s ability to interpret the mapped representation of that reality. To evaluate<br />
‘communication effectiveness’ of a thematic map, we must first know the underlying accuracy<br />
of that map’ (MacEachren 1985, 38).<br />
I følge MacEachren (1985, 39) vil den underliggende nøyaktighet til et hvilket som<br />
helst kvantitativt statistisk <strong>kart</strong> være <strong>av</strong>hengig <strong>av</strong> fire faktorer:<br />
1. Prosedyre for <strong>kart</strong>produksjon,<br />
2. Metoder for datainnsamling,<br />
3. Strategier for data klassifikasjon, og<br />
4. Symbolisering.<br />
Mens MacEachren’s artikkel vier spesiell oppmerksomhet til nøyaktighet relatert til<br />
symbolisering <strong>av</strong> skr<strong>av</strong>ur<strong>kart</strong> (den fjerde faktor), vies oppmerksomheten her til<br />
nøyaktighet relatert til data klassifikasjon (den tredje faktor). Et mål for<br />
klassifikasjonsnøyaktighet som er utviklet er GVF indeksen. GVF er en forkortelse<br />
for Goodness of Variance Fit. Før jeg kommer inn på hva denne GVF indeksen kan<br />
fortelle oss om klassifikasjonsnøyaktighet skal jeg motivere litt om hvorfor en bør<br />
angi klassifikasjonsnøyaktigheten. Jeg skal gjennomføre denne motivasjonen med<br />
utganspunkt i to ”case” som jeg har hentet fra programpakken Statistisk Sett – Utforsk<br />
Norge på egen hånd som er utviklet <strong>av</strong> Statens Kartverk, Statistisk Sentralbyrå og<br />
Geodata. Statistiske data og <strong>kart</strong>data fra disse to ”case” er også benyttet i en<br />
egenutviklet programpakke, GIB, for nettopp å kunne angi klassifikasjonsnøyaktighet.<br />
4