Bằng chứng thực nghiệm hỗ trợ trực quan kiểu Tufte?

H: Có tồn tại bằng chứng thực nghiệm hỗ trợ trực quan hóa kiểu dữ liệu Tufte, tối giản, nói trên dữ liệu trên các biểu đồ bị bỏ qua biểu đồ của Nigel Holmes không?

Tôi hỏi làm thế nào để thêm biểu đồ rác vào các ô R ở đây và những người trả lời đã ném một lượng lớn vỏ cây về phía tôi. Vì vậy, chắc chắn, phải có một số bằng chứng thực nghiệm, mà tôi không bí mật, ủng hộ vị trí rác chống biểu đồ của họ --- nhiều bằng chứng hơn là "Tufte đã nói như vậy". Đúng?

Nếu bằng chứng như vậy tồn tại, nó sẽ mâu thuẫn với rất nhiều nghiên cứu tâm lý mà chúng ta có liên quan đến con người, gợi lại ký ức và nhận dạng mẫu của họ. Vì vậy, tôi chắc chắn rất vui mừng khi đọc về nó.

Một giai thoại nhỏ: tại một cuộc hội thảo, tôi đã hỏi Edward Tufte rằng anh ấy liên quan đến bằng chứng thực nghiệm như thế nào khi thấy rằng hoạt hình và video rác giúp cải thiện sự hiểu biết và nhớ lại của con người [xem nghiên cứu được trích dẫn trong Brain Rules] . Câu trả lời của anh ta: "Đừng tin họ." Quá nhiều cho phương pháp khoa học!

PS Tất nhiên, tôi cần mọi người một chút ở đây. Tôi sở hữu tất cả các cuốn sách của Tufte và nghĩ rằng công việc của anh ấy thật đáng kinh ngạc. Tôi chỉ nghĩ rằng những người ủng hộ ông đã vượt qua một số lập luận của ông.

LƯU Ý: Đây là bài đăng lại câu hỏi tôi đã hỏi trên StackOverflow . Người điều hành đã đóng nó vì nó không phải là chương trình cụ thể. CrossValidated có thể là một ngôi nhà tốt hơn.

CẬP NHẬT: Có một số liên kết hữu ích trong phần bình luận của bài đăng câu hỏi ban đầu của tôi --- cụ thể là, đến công việc của Chambers, Cleveland và nhóm datavis tại Stanford.

CẬP NHẬT: Câu hỏi này liên quan đến vấn đề tương tự.

Văn học thật rộng lớn. Bằng chứng thực nghiệm rất phong phú nhưng không đầy đủ. Đối với phần giới thiệu tập trung vào các nghiên cứu tâm lý và bán động, hãy xem Alan M. MacEachren, Cách thức hoạt động của Bản đồ (1995; 2004 trong bìa mềm). Chuyển trực tiếp đến chương 9 (gần cuối) và sau đó làm việc ngược lại thông qua bất kỳ tài liệu sơ bộ nào mà bạn quan tâm. Tài liệu tham khảo có phạm vi rộng (hơn 400 tài liệu) nhưng đang có một chút dài trong răng. Mặc dù tiêu đề cho thấy sự tập trung vào bản đồ học, hầu hết cuốn sách có liên quan đến cách con người tạo ra ý nghĩa và giải thích thông tin đồ họa.

Đừng mong đợi nhận được câu trả lời dứt khoát từ bất kỳ số lượng nghiên cứu nào như vậy. Hãy nhớ rằng Tufte, Cleveland và những người khác chủ yếu tập trung vào việc tạo ra đồ họa cho phép (trên hết) giao tiếp và giải thích dữ liệu chính xác, sâu sắc. Các nghệ sĩ và nhà nghiên cứu đồ họa khác có các mục tiêu khác, như gây ảnh hưởng đến mọi người, tạo ra sự tuyên truyền hiệu quả, đơn giản hóa các bộ dữ liệu phức tạp và thể hiện sự nhạy cảm nghệ thuật của họ trong một phương tiện đồ họa. Những điều này gần như trái ngược với các mục tiêu đầu tiên, từ đó các phương pháp và khuyến nghị khác nhau mà bạn sẽ tìm thấy.

Vì điều này, tôi nghĩ rằng một đánh giá về nghiên cứu của Cleveland đủ sức thuyết phục rằng nhiều khuyến nghị thiết kế của Tufte có bằng chứng thực nghiệm tốt. Chúng bao gồm việc anh ta sử dụng Hệ số Lie, Tỷ lệ mực dữ liệu, bội số nhỏ và biểu đồ để đánh giá và thiết kế đồ họa thống kê.

Đây là một số;

• Cleveland và McGill (1984, JASA) Nhận thức đồ họa: Lý thuyết, thử nghiệm và ứng dụng để phát triển các phương pháp đồ họa
• Cleveland và McGill (1987, JRSSA) Nhận thức đồ họa: Giải mã trực quan thông tin định lượng trên hiển thị dữ liệu đồ họa
• Lewandowsky và Spence (1989) Phân biệt phân tầng trong Scatterplots
• Spence và Lewandowsky (1991) Hiển thị tỷ lệ và tỷ lệ phần trăm
• Spence Kutlesa và Rose (1999) Sử dụng màu sắc để mã số lượng trong màn hình không gian

Hỏi Google để tham khảo đầy đủ

Điều đáng ghi nhớ là trực quan hóa thông tin không phải là một hòn đảo bị cắt khỏi tất cả các hình thức giao tiếp trực quan khác. Nếu bạn muốn sản xuất tác phẩm dựa trên các hoàng tử dựa trên bằng chứng, tôi cho rằng tốt nhất là tìm nơi chứng cứ mạnh nhất.

Tôi đã đọc nghiên cứu cụ thể về kỹ thuật trực quan hóa dữ liệu và nghiên cứu chung về khoa học nhận thức và nghiên cứu thiết kế chung và tôi thấy rằng suy nghĩ thông qua cách nghiên cứu chung mạnh mẽ hơn, kỹ lưỡng hơn áp dụng cho từng tóm tắt và mỗi yếu tố được sử dụng thường hiệu quả hơn và hữu ích hơn là cố gắng áp dụng nghiên cứu cụ thể trong lĩnh vực được áp dụng hẹp, thường phải chịu các mẫu nhỏ, kỹ thuật nghiên cứu yếu, điều tra hẹp và / hoặc giả định ăn sâu.

Có hai cuốn sách tuyệt vời mà tôi giới thiệu là phần giới thiệu, một cuốn có khoa học là điểm khởi đầu, một cuốn có nguyên tắc chung là điểm khởi đầu, mang lại bằng chứng:

• Khoa học tầm nhìn của Steve Palmer . Đó là một con quái vật, và khi còn là một học sinh, tôi suýt bị thương ở lưng trong vài lần tôi đủ dại dột mang nó trong ba lô, nhưng nó cũng có thể là cuốn sách giáo khoa khoa học hay nhất tôi từng thấy, và là một ví dụ tuyệt vời về sắc nét trực quan và bằng lời nói chính nó. Gần đây tôi đã xem qua các chương với nội dung liên quan trực tiếp đến công việc của tôi trong trực quan hóa và thiết kế thông tin, hy vọng sẽ chỉ dán nhãn cho một số: Tôi đã kết thúc việc dán nhãn mỗi chương trừ một chương.
• Nguyên tắc thiết kế phổ quát của Rockport Press . Một cuốn sách rất tham vọng và hữu ích, nghiên cứu khoa học nhận thức với các nghiên cứu trường hợp và ví dụ từ tất cả các ngành thiết kế thành một loạt rõ ràng và đi thẳng đến các trang trải rộng hai trang, mỗi trang bao gồm một nguyên tắc được thiết lập, dựa trên bằng chứng và thực tế, với đề xuất thực tế, ví dụ làm việc và đề nghị đọc thêm. Rất kích thích, miễn là bạn nghĩ về nó như một danh sách các công cụ với các mục đích sử dụng được đề xuất không phải là một danh sách các quy tắc.

Nhược điểm duy nhất là, phương pháp này cần nhiều suy nghĩ hơn để xem các nguyên tắc đó được áp dụng như thế nào. Nếu bạn đang tìm kiếm một danh sách các quy tắc tùy ý, như nhiều người trong cộng đồng dữ liệu dường như, tôi sẽ nói rằng sẽ không có và sẽ không bao giờ trừ khi mọi người đưa ra các giả định và khái quát hóa phi lý, hoặc làm cho mọi thứ trở nên phức tạp . Nghiên cứu ứng dụng chất lượng tốt hơn là hữu ích, nhưng nó giúp có một khuôn khổ vững chắc mà nó có thể tham gia.

Hầu hết các nguyên tắc chung của Tufte như mực dữ liệu và biểu đồ rác có thể được truy nguyên theo các nguyên tắc chung vững chắc như tỷ lệ nhiễu tín hiệu, mặt đất, suy hao và các thứ khác - nhưng trên con đường trở thành đặc thù và theo quy định của trường, chúng đã được kết hợp với các giả định và khái quát lớn về mục tiêu và đối tượng của bạn để biến chúng thành các công cụ cùn. Nhiều mâu thuẫn và tranh luận rõ ràng trong nghiên cứu ứng dụng hoàn toàn không mâu thuẫn nếu bạn lùi lại một bước, xem xét bối cảnh và giải quyết các nguyên tắc cốt lõi cơ bản và các tính năng cụ thể của từng trường hợp.