2.5.6 Itseorganisoituva kartta

Erilaiset visualisoinnit ovat tärkeitä uusien tuotteiden kehittelyssä ja visualisointia tulisi tehdä usein ja koko ajan alusta saakka (Cagan & Vogel 2002, 206-210). Käsitekarttojen lisäksi käytin itseorganisoituvia karttoja sekä tutkimusaineiston jäsentämiseen että Elokuvantajun oppimateriaalikartan kehittämiseen. Vaikka käsitekartta (kuvio 6) ja itseorganisoituva kartta (SOM, kuvio 7) ovat kaksi täysin eri asiaa, voidaan molempien avulla visualisoida informaatiota ja saada käsitys sekä opiskelijan osaamisen tasosta että mahdollisesta tarpeesta jakaa ryhmä osaryhmiksi.

Käsitekartta kuvaa opiskelijan käsitteitä ilmaisevaa sanastoa ja tietoutta opiskeltavasta aiheesta. Käsitekarttojen avulla voidaan seurata oppimista ja tietämyksen laajenemista. SOM puolestaan soveltuu laajan tausta-aineiston analyysiin ja sen avulla voidaan tehdä visuaalisia yhteenvetoja opintojen seuraamista ja suunnittelemista varten. Lisäksi persoonallisista käsitekartoista voidaan tehdä SOM ja näin vertailla käsitekarttoja esimerkiksi käsitteiden välisten linkitysten ja käsiteryhmien perusteella.

Itseorganisoituva kartta (self-organizing map, SOM, kuvio 7) on Teuvo Kohosen (1982) kehittämä menetelmä, jolla tulkitaan monimutkaisia ja laajoja havaintosarjoja ja tilastoja (esittelen myöhemmin suppeahkon, mutta monimutkaisen laadullisen aineistoni). Yleisemmin SOM:in kaltaiset keinotekoiset hermoverkot muodostavat esimerkkien avulla abstrakteja skeemoja (Anderson 1980, 154-155) ilman heuristista suunnittelua tai ohjausta. Tällainen skeema kuvaa biologisen tai keinotekoisen hermoverkon toimintaa ideaalisella tasolla (Kohonen 2001, 374-375). Tutkimuksen SOM-kartat on visualisoitu U-matriiseja (unified distance matrix) käyttäen. U-matriisi esittää mallivektorien väliset etäisyydet siten, että havaintoyksiköistä - kuten käsitteistä - syntyy ryhmittymiä eli klustereita (Ultsch 1993). U-matriisiin on laskettu kartan mallivektorien ja niiden hilanaapureiden väliset etäisyydet ja se esitetään yleensä komponenttitason tapaan harmaasävykuvana. Tällöin tummat sävyt kuvaavat yksiköiden pitkiä ja vaaleat lyhyitä välejä eli mallivektorien ryhmät ovat tumman sävyn erottamia vaaleita saarekkeita. Harmaasävyt voi hahmottaa myös siten, että vaaleat alueet ovat ”laaksoja”, joita tummien alueiden ”vuoristot” erottavat. Musta piste kuvaa tyhjää solua, jossa ei esimerkiksi esiinny yhtäkään käsitettä (kuviot 7, 8 ja 9; liite 8).

Datan komponenttien varianssi vaikuttaa huomattavasti kartan järjestymiseen, sillä kartta järjestyy voimakkaasti muita selvästi korkeamman komponentin varianssin mukaan. Siksi komponentit on skaalattava. Skaalaaminen harkitaan tapauksittain sen mukaan, millaista data on ja mitä kartalla halutaan kuvata. Sopiva menettely löytyy kokeilemalla (Kohonen 2001). Skaalasin aineiston datan yksikkökuutioon. Tällöin yksikkökuutio muodostaa datalle suljetun asteikon. Yksikkökuutioon normalisoidussa datassa poikkeuksellinen arvo jää rajoitetulle välille ja pakottaa muut arvot pienelle välille asteikon toiseen päähän. Käytin itseorganisoituvien karttojen opetukseen ja visualisointiin Teknillisen korkeakoulun neuraalilaskennan tutkimusyksikössä kehitettyä C-kielellä kirjoitettua SOM_PAK-ohjelmakirjastoa (Kohonen, Hynninen, Kangas & Laaksonen 1995).

SOM-menetelmällä tulostetut kartat soveltuvat käsitteellisen aineiston visualisointiin. Timo Honkela, Teemu Leinonen, Kirsti Lonka ja Antti Raike (2000) hahmottelivat SOM:n käyttöä elokuvaopintojen tukena. Tein suomalaisten elokuva-ammattilaisten (ohjaaja-käsikirjoittaja, leikkaaja ja tuottaja) avulla lähes kahdestasadasta elokuvakäsitteitä kuvaavasta termistä SOM:n, jossa toisilleen läheiset elokuvatermit ryhmittyivät lähelle toisiaan elokuvatuotannon työvaiheiden mukaan (kuvio 7).

Jaoin elokuvatuotannon työvaiheet kolmen päätuotantovaiheen - esituotanto, kuvaukset, jälkituotanto - pohjalta kahteentoista tarkempaan vaiheeseen. Kartan valkoisella alueella (”laaksossa”) termit ovat suhteellisen samankaltaisia eli ne liittyvät samaan työvaiheeseen. Tummilla alueilla (”vuoristossa”) ominaisuudet muuttuvat suhteellisesti nopeammin eli termit ovat erilaisia, joten ne eivät liity selvästi samaan työvaiheeseen. Inkluusion, joustavan opiskelun ja saavuttavuuden vuoksi Elokuvantajusta oli tarkoitus tehdä alusta saakka monikielinen, joten tein suomalaista termistöä vastaavan englanninkielisten termien SOM:n vertailua ja käyttöliittymäsuunnittelua varten (liite 8). Nämä vajaa kaksisataa elokuvatermiä ovat myös Elokuvantajun karttamaisen käyttöliittymän linkkisanoja oppimateriaaliin.