Tufte- शैली विज़ुअलाइज़ेशन का समर्थन करने वाले प्रायोगिक साक्ष्य?


36

प्रश्न: क्या निगेल होम्स के चार्ट-जंक किए गए विज़ुअलाइज़ेशन पर टफ्टे-शैली, न्यूनतम, डेटा-बोलने वाले विज़ुअलाइज़ेशन का समर्थन करने वाले प्रयोगात्मक सबूत मौजूद हैं ?

मैंने पूछा कि आर प्लॉट्स में चार्ट-जंक को यहाँ कैसे जोड़ा जाए और उत्तरदाताओं ने मुझे एक भारी मात्रा में स्नार्क वापस फेंक दिया। इसलिए, निश्चित रूप से, कुछ प्रायोगिक सबूत होने चाहिए, जिनके लिए मैं प्रिवी नहीं हूं, उनके एंटी-चार्ट जंक पोजीशन का समर्थन कर रहा हूं --- सिर्फ "टुट्टे ने ऐसा कहा।" सही?

अगर इस तरह के सबूत मौजूद हैं, तो यह मनुष्यों के बारे में बहुत सारे मनोवैज्ञानिक अनुसंधानों के विपरीत होगा, उनकी याददाश्त, और पैटर्न की पहचान। इसलिए मैं निश्चित रूप से इसके बारे में पढ़ने के लिए उत्साहित हूं।

एक छोटा सा किस्सा: एक सम्मेलन में मैंने एडवर्ड टफ्टे से पूछा कि वह प्रायोगिक सबूतों का कैसे पता लगाता है कि कबाड़ एनिमेशन और वीडियो इंसानों की समझ और याददाश्त में सुधार करते हैं [ ब्रेन रूल्स में उद्धृत शोध देखें ] । उनकी प्रतिक्रिया: "उन्हें विश्वास मत करो।" वैज्ञानिक विधि के लिए इतना!

पुनश्च, मुझे यहां लोगों की थोड़ी जरूरत है। मैं टफ्टे की सभी पुस्तकों का मालिक हूं और लगता है कि उनका काम अविश्वसनीय है। मुझे लगता है कि उनके समर्थकों ने उनके कुछ तर्कों को देखा है।

नोट: यह एक प्रश्न का पुनः पोस्ट है जो मैंने स्टैकऑवरफ़्लो पर पूछा था । मॉडरेटर ने इसे बंद कर दिया क्योंकि यह प्रोग्रामिंग-विशिष्ट नहीं था। CrossValidated एक बेहतर घर हो सकता है।

अद्यतन: मेरे मूल प्रश्न पोस्ट के टिप्पणी अनुभाग में कुछ उपयोगी लिंक हैं --- अर्थात्, चेम्बर्स, क्लीवलैंड के काम के लिए, और स्टैनफोर्ड में डेटाविस समूह।

अद्यतन: यह प्रश्न समान विषय वस्तु से संबंधित है।


7
क्या आप उन सबूतों का हवाला देते हैं, जो टफ्टे / मिनिमलिस्ट स्टाइल चार्ट्स में हम उन सभी मनोवैज्ञानिक अनुसंधानों का खंडन करते हैं जो हम मनुष्यों, उनकी याददाश्त, और पैटर्न पहचान से संबंधित हैं? जबकि मुझे लगता है कि यह एक अच्छा सवाल है, इस तरह के नकारात्मक और कृपालु स्वर आपके अनुरोध को बहुत ईमानदारी से प्रकट नहीं करते हैं। न ही चर्चा के लिए क्लीवलैंड के काम को पढ़ने के मेरे सुझाव का खंडन करने के लिए पृष्ठभूमि अनुसंधान करने के लिए 10 मिनट खर्च करना पड़ता है।
एंडी डब्ल्यू

2
@AndyW मैंने "ब्रेन रूल्स" और निगेल होम्स के शोध की चर्चा की। यहाँ फोंट के बारे में मेरे दावा, मूल टिप्पणी अनुभाग में वापस समर्थन एक और कड़ी है। मैं आगे बढ़ सकता था, लेकिन मूल बिंदु यह है कि मस्तिष्क बेहतर दृश्यों के साथ संलग्न, समझ और याद रखेगा जो इसे उत्तेजित और चुनौती देते हैं। लेकिन यह मेरे पॉपपसाइक के पढ़ने पर आधारित है ...

@AndyW ... मैं इस विषय पर एक प्राधिकरण होने का नाटक नहीं कर सकता। मुझे उम्मीद है कि कोई और जानकार इस पर चुम्मा लेगा। साथ ही, मेरा प्रश्न / दावा स्वीकार किया गया था कि बोल्ड है। मैं एक प्रतिक्रिया प्राप्त करना चाहता था। मैंने इसे थोड़ा नीचे उतारा ताकि यह नकारात्मक न पढ़े। साथ ही, अनुवाद में कुछ खो गया होगा। मुझे लगता है कि क्लीवलैंड के काम के लिए आपके लिंक प्रासंगिक थे --- इसलिए, मेरे प्रश्न में "अद्यतन" में इसका उल्लेख है।
Lowndrul

मुझे लगता है कि स्नार्कनेस का कारण आपका एक्सेल का एक संदर्भ के रूप में उपयोग करना / शुरुआती बिंदु था। वे चार्ट्स को रैगिंग नहीं कर रहे थे, वे एक्सेल को रैगिंग कर रहे थे।
बिल_080

@ बिल_080 के जवाब में, मुझे यकीन है कि कुछ लोग चार्ट रैगिंग कर रहे थे; अगर मैं अंदर झाँका होता तो मुझे लगता था; लेकिन शायद खर्राटे अनुचित थे; मैं, एक के लिए, किसी भी तरह से एक सबूत या दूसरे को नहीं पढ़ा है। अच्छा प्रश्न!
हारून - मोनिका

जवाबों:


24

साहित्य विशाल है। प्रायोगिक साक्ष्य प्रचुर मात्रा में लेकिन अपूर्ण हैं। एक परिचय के लिए जो मनोवैज्ञानिक और अर्ध-जांच पर केंद्रित है, एलन एम। मैकएरेन, हाउ मैप्स वर्क (1995; 2004 पेपरबैक में) देखें। अध्याय 9 (अंत के निकट) पर सीधे कूदें और फिर किसी भी प्रारंभिक सामग्री के माध्यम से पीछे की ओर काम करें जो आपकी रुचि है। ग्रंथ सूची व्यापक है (400 से अधिक दस्तावेज) लेकिन दांत में थोड़ा लंबा हो रहा है। हालांकि शीर्षक कार्टोग्राफी पर ध्यान केंद्रित करने का सुझाव देता है, अधिकांश पुस्तक इस बात के लिए प्रासंगिक है कि मानव किस तरह से अर्थ का निर्माण करते हैं और चित्रमय जानकारी की व्याख्या करते हैं।

इस तरह के अनुसंधान की किसी भी राशि का एक निश्चित जवाब पाने की उम्मीद न करें । याद रखें कि टफ्टे, क्लीवलैंड, और अन्य मुख्य रूप से ग्राफिक्स बनाने पर ध्यान केंद्रित किया गया था जो (ऊपर) सभी को सटीक, व्यावहारिक संचार और डेटा की व्याख्या करने में सक्षम बनाता है। अन्य ग्राफिक्स कलाकारों और शोधकर्ताओं के अन्य उद्देश्य हैं, जैसे लोगों को प्रभावित करना, प्रभावी प्रचार बनाना, जटिल डेटासेट को सरल बनाना, और एक ग्राफिकल माध्यम के भीतर अपनी कलात्मक संवेदनाओं को व्यक्त करना। ये उद्देश्यों के पहले सेट के लगभग विपरीत हैं, जो आपको अलग-अलग दृष्टिकोणों और सिफारिशों के बारे में बताएंगे।

यह देखते हुए, मुझे लगता है कि क्लीवलैंड के शोध की समीक्षा पर्याप्त रूप से आश्वस्त होनी चाहिए कि टफ्टे की कई डिजाइन सिफारिशों में अच्छे प्रयोगात्मक संशोधन हैं। इनमें लाई फैक्टर का उपयोग, डेटा-इंक अनुपात, छोटे गुणकों, और गंभीर रूप से मूल्यांकन और सांख्यिकीय ग्राफिक्स डिजाइन करने के लिए चार्टजंक शामिल हैं।


9
(+1) आपका दूसरा पैराग्राफ मुझे हाल ही में हुई चर्चा के बारे में याद दिलाता है ( इन्फोटेनमेंट बनाम डेटा विज़ुअलाइज़ेशन, उदाहरण के लिए सूचना विज़ुअलाइज़ेशन ) के बारे में (जैसे कि गेलमैन, कोसारा, विकम के साथ) "सांख्यिकीय ग्राफिक्स , इन्फोसिस, इन्फोग्राफिक्स, और डेटा विज़ुअलाइज़ेशन: जहाँ मैं कहां से आ रहा हूं, और मैं कहां जाना चाहूंगा या सांख्यिकीय ग्राफिक्स और सूचना विज़ुअलाइज़ेशन
chl

+1 विशेष रूप से दूसरे पैराग्राफ के लिए धन्यवाद। इतने सारे लागू आंकड़ों के साथ, इसका जवाब इस बात पर निर्भर करता है कि सवाल क्यों पूछा गया और किसने पूछा। (ऐसा नहीं है कि यह सबूत के महत्व को कम कर देता है; इस सवाल के लिए धन्यवाद, रिश्वत!)
हारून - मोनिका

(+1) दोनों के लिए उपयोगी संकेत। @ अपने 1 और 3 लिंक समान हैं। क्या आपने तीसरी के लिए इसे लिंक करने का इरादा किया है ?
लोप्रेंडल नोव

बस मेरा अंतर्ज्ञान यहाँ में झनझना रहा है (मैंने संदर्भ नहीं पढ़ा है), लेकिन मुझे लगता है कि यह विशेष रूप से गहराई से अध्ययन में यह दिखाने के लिए नहीं लेगा कि टफ्टे-शैली के बॉक्सप्लेट (दो बार, और एक केंद्र बिंदु) हैं एक मानक बॉक्सप्लॉट की तुलना में बहुत कम समझ में आता है (जिसके पास अपने मुद्दे हैं)। अतिरिक्त स्याही अधिक डेटा नहीं जोड़ती है, लेकिन यह अधिक दृश्य द्रव्यमान जोड़ती है, जो इसे अधिक पठनीय बनाती है। डेटा-इंक अनुपात सिद्धांत अच्छा है, और अस्थिरतापूर्ण चार्ट कबाड़ के सामने वैध रूप से मिटाया जा सकता है, लेकिन यह निरपेक्ष नहीं है, और मानव दृश्य धारणा प्रणाली की सीमाओं को ध्यान में रखना चाहिए।
naught101

अपने अंतर्ज्ञान का परीक्षण करने के लिए, @ naught101, मैं आपको आँकड़े.स्टैकएक्सचेंज . com / a / 13915 पर उदाहरण की जांच करने के लिए आमंत्रित करता हूं । टफ्टे के डिजाइन सिद्धांत वहां अच्छी तरह से काम करते हैं क्योंकि कई बॉक्सप्लेट को प्रदर्शित करने और तुलना करने की आवश्यकता होती है: मानक बॉक्सप्लेट में अतिरिक्त स्याही तुलना के साथ हस्तक्षेप करती है।
whuber

6

यहाँ कुछ है;

  • क्लीवलैंड और मैकगिल (1984, JASA) चित्रमय धारणा: सिद्धांत, प्रयोग और आलेखीय विधियों के विकास के लिए आवेदन
  • क्लीवलैंड और मैकगिल (1987, JRSSA) आलेखीय धारणा: डेटा के चित्रमय प्रदर्शनों पर मात्रात्मक जानकारी का दृश्य डिकोडिंग
  • लेवांडोव्स्की और स्पेंस (1989) स्कैटरप्लॉट्स में भेदभावपूर्ण स्ट्रेटा
  • स्पेंस एंड लेवांडोव्स्की (1991) आनुपातिक प्रदर्शन और प्रतिशत
  • स्पेटल कुटलेसा और रोज़ (1999) रंग का उपयोग स्थानिक प्रदर्शन में कोड मात्रा के लिए

पूर्ण संदर्भ के लिए Google से पूछें


2
लेविस्पे 91 के सार से: "कार्य की प्रकृति का विश्लेषण और मनोचिकित्सा साहित्य की समीक्षा से पता चलता है कि पाई चार्ट के खिलाफ पारंपरिक पूर्वाग्रह गलत है।" ठीक ठीक! खैर, उस परिणाम ने मुझे चौंका दिया। लेकिन यह बात है: डेटा की कल्पना करने के "सर्वोत्तम" तरीके निर्धारित करने में, डेटाविस हठधर्मिता के बजाय वैज्ञानिक पद्धति को लागू करने की आवश्यकता है। यदि हम करते हैं तो मुझे यकीन है कि अधिक आश्चर्यजनक परिणाम होंगे।
17

6

यह याद रखने योग्य है कि सूचना विज़ुअलाइज़ेशन दृश्य संचार के अन्य सभी रूपों से काटे गए कुछ द्वीप नहीं है। यदि आप सबूत के आधार पर काम का निर्माण करना चाहते हैं, तो मैं तर्क देना चाहूंगा कि सबूत सबसे मजबूत हैं।

मैंने डेटा विज़ुअलाइज़ेशन तकनीकों पर विशिष्ट शोध, और संज्ञानात्मक विज्ञान में और सामान्य डिज़ाइन अनुसंधान में सामान्य शोध पढ़ा है, और मुझे लगता है कि यह सोचने के माध्यम से कि कैसे अधिक शक्तिशाली, अधिक गहन सामान्य शोध प्रत्येक संक्षिप्त पर लागू होता है और प्रत्येक तत्व का उपयोग अक्सर अधिक प्रभावी होता है और संकीर्ण रूप से लागू क्षेत्र-विशिष्ट अनुसंधान को लागू करने की कोशिश करने से अधिक उपयोगी है जो अक्सर छोटे नमूनों, कमजोर अनुसंधान तकनीकों, संकीर्ण जांच और / या गहन रूप से घनीभूत धारणाओं से ग्रस्त होता है।

दो उत्कृष्ट पुस्तकें हैं जो मैं एक परिचय के रूप में सुझाता हूं, एक विज्ञान के साथ एक प्रारंभिक बिंदु के रूप में, एक सामान्य सिद्धांतों के साथ एक प्रारंभिक बिंदु के रूप में, साक्ष्य में लाना:

  • स्टीव पामर द्वारा विजन साइंस । यह एक जानवर है, और एक छात्र के रूप में मैंने लगभग खुद को कुछ अवसरों पर पीठ की चोट दी है जो कि मैं इसे एक बैग में ले जाने के लिए पर्याप्त मूर्ख था, लेकिन यह संभवतः सबसे अच्छा विज्ञान पाठ्यपुस्तक भी है जिसे मैंने कभी देखा है, और कुरकुरा का एक बड़ा उदाहरण है दृश्य और मौखिक रूप से स्वयं की प्रशंसा। मैं इसके माध्यम से हाल ही में दृश्य और सूचना डिजाइन में मेरे काम के लिए प्रासंगिक सामग्री के साथ अध्यायों को लेबल करने के लिए हाल ही में गया, केवल कुछ को लेबल करने की उम्मीद: मैंने एक को छोड़कर हर अध्याय को लेबल करना समाप्त कर दिया।
  • रॉकपोर्ट प्रेस द्वारा डिजाइन के सार्वभौमिक सिद्धांत । एक बहुत ही महत्वाकांक्षी और उपयोगी किताब जो केस स्टडीज के साथ संज्ञानात्मक विज्ञान अनुसंधान को उकसाती है और डिजाइन की सभी शाखाओं से उदाहरणों की एक श्रृंखला में स्पष्ट रूप से स्पष्ट और सीधे बिंदु डबल-पेज फैलता है, प्रत्येक एक स्थापित, साक्ष्य आधारित और व्यावहारिक सिद्धांत को कवर करता है। व्यावहारिक सुझाव, उदाहरण काम किया और आगे पढ़ने का सुझाव दिया। बहुत उत्तेजक है, इसलिए जब तक आप यह सुझाव के साथ उपकरणों की एक सूची के रूप में सोचते हैं, नियमों की एक सूची का उपयोग नहीं करता है।

केवल नकारात्मक पक्ष यह है कि यह दृष्टिकोण यह देखने के लिए अधिक सोच लेता है कि ऐसे सिद्धांत कैसे लागू होते हैं। यदि आप मनमाने नियमों की सूची की तलाश कर रहे हैं, तो डेटा विज़ समुदाय में जितने भी प्रतीत होते हैं, मैं कहता हूँ कि कोई भी ऐसा नहीं है और कभी नहीं होगा जहां लोग बड़े पैमाने पर अनुचित धारणा और सामान्यीकरण करते हैं, या चीजों को बनाते हैं । बेहतर गुणवत्ता वाला अनुप्रयुक्त अनुसंधान उपयोगी है, लेकिन यह एक ठोस ढांचा बनाने में मदद करता है, जिसे वह बदल सकता है।

टफ्टे के अधिकांश सामान्य सिद्धांत जैसे कि डेटा-इंक और चार्ट-जंक को ठोस सामान्य सिद्धांतों जैसे सिग्नल-शोर अनुपात, आकृति-भूमि, क्षीणन और अन्य - पर वापस खोजा जा सकता है, लेकिन फ़ील्ड-विशिष्ट और प्रिस्क्रिप्टिव बनने के मार्ग पर उन्हें आपके उद्देश्यों और दर्शकों के बारे में भारी धारणाओं और सामान्यताओं के साथ जोड़ा गया है जो उन्हें कुंद औजारों में बदल देते हैं। लागू शोध में कई स्पष्ट विरोधाभास और बहसें बिल्कुल भी विरोधाभास नहीं हैं यदि आप एक कदम पीछे लेते हैं, तो संदर्भ लें और अंतर्निहित मुख्य सिद्धांतों और प्रत्येक मामले की विशेष विशेषताओं के माध्यम से काम करें।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.