Lĩnh vực khoa học nào nghiên cứu cách mọi người diễn giải các tóm tắt định lượng và trực quan hóa?


9

Có rất nhiều tài nguyên nổi tiếng cung cấp lời khuyên về trực quan hóa dữ liệu. (Ví dụ Tufte, Stephen Few et al , Nathan Yau .) Nhưng người ta có thể chuyển sang lĩnh vực nào để trả lời cho các câu hỏi như sau:

  • Là chỉ trích biểu đồ hình tròn có liên quan trong thực tế? Là những người tốt hơn nhiều trong việc giải thích chiều dài quy mô tuyến tính hơn chiều dài cung?
  • Giả sử tôi xây dựng một bản tóm tắt chỉ mục của một tập hợp các biến cơ bản và giải thích cho khán giả rằng Hoa Kỳ có 100 giá trị trong năm 2010 và 110 vào năm 2015. Hầu hết mọi người sẽ giải thích những con số này như thế nào? Có những thói quen nhận thức tự nhiên mà tôi nên xem xét khi trình bày số liệu này, hoặc là tận dụng để giải thích tốt hơn hoặc để bảo vệ chống lại việc giải thích sai?

Nói cách khác, những lĩnh vực khoa học nào có thể trình bày thông tin định lượng tìm kiếm các nguyên tắc thử nghiệm và âm thanh thực nghiệm giúp sắp xếp thông qua rất nhiều hình ảnh trực quan và tư vấn thiết kế có sẵn trong những ngày này?

Mục đích không phải là tìm kiếm lời khuyên, ý tưởng hoặc sự đồng thuận hiện tại về cách tốt nhất để trực quan hóa dữ liệu hoặc tiếp cận các vấn đề trực quan hóa dữ liệu mới, mà là tìm hiểu khoa học về cách mọi người diễn giải thông tin định lượng và / hoặc hình ảnh.

(Tín dụng bổ sung cho các tài liệu tham khảo cho các tạp chí, hội nghị và học giả về lĩnh vực này.)


2
Liên quan đến biểu đồ tròn, mảnh này priceonomics thể bạn quan tâm. Cụ thể là các tài liệu tham khảo đến Cleveland và McGillRobbins .
Horseoftheyear

1
Tôi đánh giá cao hội nghị của VIS VIS, ieeevis.org !
Lauren Samuels

1
@LouisaGrey Cảm ơn! Tôi đã từng một lần, một kinh nghiệm tốt để chắc chắn.
Sean Easter

Câu trả lời:


9

Gerd Gigerenzer được công nhận rộng rãi là một trong những chuyên gia thế giới về các khía cạnh nhận thức của số học hoặc, thay vào đó, vô số. Anh ta có nhiều giấy tờ và sách về các chủ đề này được tham chiếu trên trang web của mình ( https://www.mpib-berlin.mpg.de/en/staff/gerd-gigerenzer ). Một trong những văn bản quan trọng của ông là cuốn sách năm 2002 của ông Những rủi ro được tính toán: Làm thế nào để biết khi nào con số lừa dối bạn . Đọc tóm tắt tại đây: https://www.mpib-berlin.mpg.de/en/research/adaptive-behavior-and-cognition/publications/books/calculated-risks

Liên quan đến công việc của Gigerenzer là công việc lý thuyết quyết định dựa trên nhận thức, xem xét cách thức trình bày thông tin. Một bài báo đại diện ở đây là Ảo tưởng về sự giàu có của Dan Goldstein và sự đảo ngược của nó có sẵn ở đây ... http://rady.ucsd.edu/docs/seminars/goldstein.pdf Đây là từ phần giới thiệu:

Gần đây, các nhà nghiên cứu và các nhà hoạch định chính sách đã bắt đầu chú ý nhiều hơn không chỉ vào kiến ​​trúc lựa chọn mà còn cả kiến ​​trúc thông tin: định dạng mà thông tin được trình bày cho mọi người. Nghiên cứu về kiến ​​trúc thông tin đã chỉ ra, chẳng hạn, hàm lượng calo của thực phẩm có thể được đánh giá tốt về mặt lượng tập thể dục cần thiết để giảm calo và hiểu được hiệu quả năng lượng của ô tô bằng cách trình bày thông tin trong Xét về gallon mỗi 100 dặm thay vì dặm cho mỗi gallon. Bài viết này nghiên cứu kiến ​​trúc thông tin, mặc dù thay vì tiêu thụ calo hoặc xăng, chúng tôi giải quyết tiêu dùng kinh tế khi nghỉ hưu.

Một bổ sung quan trọng gần đây cho tài liệu là nghiên cứu của Berkeley Dietvorst về "ác cảm thuật toán" và ra quyết định. Dietvorst cho rằng mô hình dự đoán wrt, kỹ thuật ngây thơ và / hoặc mù chữ về mặt kỹ thuật có xu hướng cho rằng các mô hình dự đoán là một "viên đạn ma thuật" hoặc thông tin hoàn hảo và khi các thuật toán chứng minh là tốt nhất, dự đoán yếu, thì phản ứng điển hình là từ chối giải pháp định lượng hoàn toàn.

https://marketing.wharton.upenn.edu/mktg/assets/File/Dietvorst%20Simmons%20&%20Massey%202014.pdf

Sau đó, có những blogger như Kaiser Fung đang duy trì trang web Junkcharts của mình phê phán các biểu đồ và trực quan hóa của các quán rượu lớn như NYTs hoặc WSJ http://junkcharts.typepad.com/

Liên quan đến câu hỏi về hình ảnh của bạn là công việc của các chuyên gia thiết kế như Manuel Lima, người duy trì một trang web VisualComplexity.com bao gồm nhiều cách tiếp cận này. Lima cũng dạy trực quan hóa dữ liệu tại Trường thiết kế Parsons ở NYC. http://www.visualcomplexity.com/vc/

Bên cạnh Parsons, các tổ chức thiết kế và trực quan hóa khác bao gồm:

Cao đẳng thiết kế và bối cảnh xã hội https://www.rmit.edu.au/about/our-education/academia-colribution/colribution-of-design-and-social-context/

Viện phân tích văn hóa của UCLA
http://www.ipam.ucla.edu/programs/long-programs/cocate-analytics/

Viện văn hóa của Google https: //www/c nuôiinst acad / home

Triển lãm và thiết kế MoMA

http://www.moma.org/calWiki/exhibitions/1071?locale=en

http://www.amazon.com/Talk-Me-C Truyền thông-b between-Objects/dp/0870707965

Về các hội nghị có Lễ hội Eyeo http://eyeofansion.com/

Trong phần mềm R, guru trực quan hóa là Hadley Wickham http://had.co.nz/

Trong phần mềm SAS, có Rob Allison http://www.robslink.com/SAS/graph_book.htm

Cuối cùng, không thiếu các loại trang web "một lần":

http://infosthetic.com/ hình ảnh tuyệt vời của dữ liệu govt

http://www.thefeftalart.com/2012/09/in-praise-of-connected-scatter-plots.html

http: //www.in information Disceautitableawards.com/

Cách hiển thị dữ liệu không tốt của Karl Broman https://www.biostat.wisc.edu/~kbroman/presentations/IowaState2013/graphs_combined.pdf

https://www.biostat.wisc.edu/~kbroman/presentations/IowaState2013/index.html

Blog Thiết kế và Truyền thông của Maria Popova https://www.brainpickings.org/2012/06/26/talk-to-me-moma-paola-antonelli-book/

Thư viện trực quan hóa dữ liệu http://www.datavis.ca/gallery/index.php

Bảng tuần hoàn trực quan hóa dữ liệu http://www.visual-literacy.org/ periodic_table / periodic_table.html

Thế giới dữ liệu của chúng tôi http://ourworldindata.org/

Điều này chỉ bắt đầu làm trầy xước bề mặt của những gì ngoài kia ...


6

Tâm lý học nghiên cứu cách con người phản ứng và giải thích các kích thích, để bao gồm giải thích trực quan hóa dữ liệu. Các Cleveland và McGill giấy liên kết trong các ý kiến là một ví dụ, và phần thứ hai này giấy đưa ra một cái nhìn tổng quát của một vài quan điểm.

Nhận thức số hoặc toán học là một môn học phụ của khoa học nhận thức nghiên cứu những thứ như ý nghĩa số . Đôi khi, nó mượn các khái niệm từ tâm sinh lý, ví dụ thang đo của Fechner , trong đó "nói rằng cảm giác chủ quan tỷ lệ thuận với logarit của cường độ kích thích." Mô tả của Wiki về khái niệm áp dụng cho nhận thức số:

Các nghiên cứu tâm lý cho thấy ngày càng khó phân biệt giữa hai con số khi sự khác biệt giữa chúng giảm đi. Đây được gọi là hiệu ứng khoảng cách. Điều này rất quan trọng trong các lĩnh vực ước tính cường độ, chẳng hạn như xử lý quy mô lớn và ước tính khoảng cách. Nó cũng có thể đóng một vai trò trong việc giải thích lý do tại sao người tiêu dùng bỏ qua việc mua sắm để tiết kiệm một tỷ lệ nhỏ khi mua hàng lớn, nhưng sẽ mua sắm xung quanh để tiết kiệm một tỷ lệ lớn cho một giao dịch mua nhỏ, đại diện cho số tiền tuyệt đối nhỏ hơn nhiều.

Liên quan, trong kinh tế học hành vi, lý thuyết triển vọng ( bài báo gốc ) xem xét lựa chọn của con người giữa các lựa chọn rủi ro, xác suất.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.