Η οπτικοποίηση δεδομένων είναι ένας πολύ καλός τρόπος για να πείτε μια ιστορία για τα δεδομένα. Αλλά ποιος είναι ο καλύτερος τρόπος να το κάνουμε; Η κατανόηση της ανθρώπινης αντίληψης και της γνώσης μπορεί να βοηθήσει τους σχεδιαστές να το κάνουν αποτελεσματικά.
Οι άνθρωποι έχουν χρησιμοποιήσει γραφικά για να λένε ιστορίες και να απεικονίσουν απαντήσεις σε βασικές ερωτήσεις για χιλιάδες χρόνια. Το παλαιότερο παράδειγμα οπτικοποίησης δεδομένων είναι πιθανώς ένας χάρτης πριν από περίπου 27.000 χρόνια, και για μεγάλο χρονικό διάστημα, ήταν σπάνιο να βλέπουμε οπτικοποιήσεις δεδομένων για οτιδήποτε άλλο εκτός από τη γεωγραφία.
Είναι ο εγκέφαλός μας μοναδικά κατασκευασμένος για να αναγνωρίζει μοτίβα και συνδέσεις; Σήμερα, ζούμε σε μια χρυσή εποχή της οπτικοποίησης δεδομένων. Η αποτελεσματική επικοινωνία δεδομένων μπορεί να αποδειχθεί πρόκληση και παρόλο που τα γραφήματα μπορούν να μας βοηθήσουν να κατανοήσουμε πολύπλοκα δεδομένα και ακόμη και να τα δούμε από μια νέα προοπτική, όταν πρόκειται για τη σωστή μετάδοση ενός μηνύματος σε ένα κοινό ή τη λήψη επιχειρηματικών αποφάσεων βάσει δεδομένων, η οπτικοποίηση μπορεί να είναι καθοριστικός να το πετύχει. Αλλά τί είναι πίσω από τη δύναμη της οπτικοποίησης δεδομένων;
Ιστορικό πλαίσιο σχεδιασμού οπτικοποίησης δεδομένων
Η οπτικοποίηση δεδομένων έχει μακρά ιστορία και σημείωσε σημαντική πρόοδο μεταξύ του 17ου και του 19ου αιώνα. Η ιδέα της παρουσίασης ποσοτικών δεδομένων γραφικά δημιουργήθηκε τον 18ο αιώνα όταν Rene Descartes εφηύρε ένα δισδιάστατο σύστημα συντεταγμένων για να εμφανίσει τιμές για μαθηματικές πράξεις. Αυτό το σύστημα βελτιώθηκε όταν William Playfair πρωτοπόρες γραφικές μορφές όπως τις γνωρίζουμε σήμερα. Πιστεύεται ότι έχει εφεύρει γραφήματα γραμμών και ράβδων, και αργότερα το γράφημα πίτας και το γράφημα κύκλων.
Με τα χρόνια, η χρήση ποσοτικών γραφημάτων έγινε πιο διαδεδομένη. Η μεθοδολογία και η αποτελεσματικότητά τους αυξήθηκαν σημαντικά στο δεύτερο μισό του 20ού αιώνα με τη δημοσίευση του βιβλίου του Jacques Bertin Η σημειολογία των γραφικών . Η δουλειά του ήταν κρίσιμη γιατί διαπίστωσε ότι για να παρουσιάσει πληροφορίες διαισθητικά, καθαρά και αποτελεσματικά, η οπτική αντίληψη λειτουργούσε σύμφωνα με κανόνες και πρότυπα που θα μπορούσαν να ακολουθηθούν.
Ο Bertin μελέτησε την αποτελεσματικότητα διαφόρων τύπων γραφημάτων. Στο παρακάτω παράδειγμα, τα γραφήματα πίτας δείχνουν την παραγωγή διαφόρων ειδών κρέατος σε πολλές χώρες. Ο Μπερτίν τα θεωρούσε «άχρηστα». Στη μέση - χρησιμοποιώντας οπτικοποίηση μήτρας, τα μοτίβα υψηλού επιπέδου γίνονται πιο άμεσα ορατά. Και στα δεξιά, δεδομένου ότι οι χώρες και η παραγωγή κρέατος δεν έχουν φυσική σειρά, μπορούν να παραχθούν πολλοί άλλοι πίνακες - συμπεριλαμβανομένου του παραδείγματος που παρουσιάζεται - που παρείχε πολύ περισσότερη σαφήνεια. Σε αυτό το σενάριο, η αναδιάταξη των κατηγοριών βελτίωσε σημαντικά την παρουσίαση των δεδομένων.
Τι έχει να κάνει η Ψυχολογία με την οπτικοποίηση δεδομένων;
Η οπτική αντίληψη είναι η ικανότητα να βλέπει, να ερμηνεύει και να οργανώνει το περιβάλλον μας. Η οπτικοποίηση δεδομένων μπορεί να είναι εξαιρετικά αποτελεσματική καθώς αξιοποιεί τις φυσικές ικανότητες του ανθρώπινου εγκεφάλου. Είναι γρήγορο και αποτελεσματικό.
Τζον Τούκι , ένας σημαντικός Αμερικανός μαθηματικός και θεωρητικός στατιστικός, είπε: «Η μεγαλύτερη αξία μιας εικόνας είναι όταν μας αναγκάζει να παρατηρήσουμε αυτό που δεν περίμενε κανείς να δει».
Η γνώση, η οποία αντιμετωπίζεται από τον εγκεφαλικό φλοιό, είναι πολύ πιο αργή και απαιτεί περισσότερη προσπάθεια για την επεξεργασία πληροφοριών. Η παρουσίαση δεδομένων επιταχύνει οπτικά την αντίληψή μας και βοηθά στη μείωση του γνωστικού φορτίου.
Στο παρακάτω παράδειγμα, ο πίνακας μας επιτρέπει να δούμε ακριβείς αριθμούς. Ωστόσο, θα μπορούσαμε γρήγορα να βρούμε τα υψηλότερα και χαμηλότερα στοιχεία για τους ανανεώσιμους υδάτινους πόρους; Όχι εύκολα, αλλά τα ίδια δεδομένα γίνονται πολύ πιο σαφή και κατανοητά όταν παρουσιάζονται οπτικά στο γράφημα ράβδων στα δεξιά.
Η κυρίαρχη επιρροή της οπτικής αντίληψης σε σύγκριση με άλλες αισθήσεις απεικονίζεται καταλλήλως σε ένα παράδειγμα από τον Δανό Φυσικό Tor Norretranders . Έδειξε τη δύναμη των οπτικών εικόνων μετατρέποντας την ικανότητα των ανθρώπινων αισθήσεων σε τυπικές μεταδόσεις υπολογιστών. Το Sight βγαίνει στην κορυφή καθώς έχει το ίδιο εύρος ζώνης με το δίκτυο υπολογιστών. Η χωρητικότητα του καναλιού είναι 10 φορές υψηλότερη από την αφή και 100 φορές μεγαλύτερη από την ακοή ή τη μυρωδιά. Το μικρό τετράγωνο στην κάτω δεξιά γωνία είναι όπου γνωρίζουμε γνωστικά τις αισθητηριακές εμπειρίες.
πώς να γράψετε μια επιστολή στους μετόχους
Προσεκτική επεξεργασία
Όχι μόνο η οπτική επεξεργασία κυριαρχεί στις αισθητηριακές εισόδους, η ποσότητα των δεδομένων και η ταχύτητα με την οποία επεξεργαζόμαστε είναι πολύ υψηλότερες από ό, τι γνωρίζουμε. Αυτό το φαινόμενο είναι γνωστό ως «προ-προσεκτική επεξεργασία». Είναι υποσυνείδητο και γρήγορο. Χρειάζονται 200-500 χιλιοστά του δευτερολέπτου για να μεταδοθεί το μάτι και ο εγκέφαλος να επεξεργαστεί την προληπτική ιδιότητα του οπτικού ερεθίσματος (αυτό είναι πολύ ταχύτερο από το πώς ο εγκέφαλος μπορεί να επεξεργαστεί δεδομένα υπολογιστικών φύλλων)
«Η προ-προσεκτική επεξεργασία είναι η υποσυνείδητη συσσώρευση πληροφοριών από το περιβάλλον. Όλες οι διαθέσιμες πληροφορίες υποβάλλονται σε προληπτική επεξεργασία. Στη συνέχεια, ο εγκέφαλος φιλτράρει και επεξεργάζεται αυτό που είναι σημαντικό. Οι πληροφορίες που έχουν την υψηλότερη ένδειξη (ένα ερέθισμα που ξεχωρίζει περισσότερο) ή τη συνάφεια με αυτό που σκέφτεται ένα άτομο επιλέγονται για περαιτέρω και πληρέστερη ανάλυση με συνειδητή (προσεκτική) επεξεργασία. ' - από Βικιπαίδεια
Η προ-προσεκτική επεξεργασία αποτελεί όφελος για τους σχεδιαστές, επειδή η επιδέξια εφαρμογή της επιτρέπει στους ανθρώπους να καταλάβουν τι παρουσιάζεται πιο γρήγορα. Πολύ ικανός σχεδιαστής μπορεί να βοηθήσει κάποιον που βλέπει οπτικοποιήσεις δεδομένων να απορροφήσει περισσότερες πληροφορίες γρηγορότερα και με λιγότερη προσπάθεια, καθώς ελαφρύνει τη συνειδητή επεξεργασία και μειώνει το φορτίο μνήμης.
Πλεονεκτήματα της προ-προσεκτικής επεξεργασίας:
- Γρήγορη / αυτόματη
- Συναισθηματική
- Παλμοί / κινήσεις
- Συνήθειες
- Πεποιθήσεις
- Στερεοτυπικά
- Υποσυνείδητο
Πολλά οπτικές μεταβλητές να προκαλέσει μια προσεκτική απόκριση. Μαθαίνοντας ποια οπτικά στοιχεία τονίζονται αυτόματα και στη συνέχεια ενσωματώνοντάς τα σε πίνακες εργαλείων, μπορούμε να σχεδιάσουμε οπτικοποιήσεις που αφηγούνται αποτελεσματικά την ιστορία των δεδομένων.
Οπτικές μεταβλητές
Παρουσιάστηκε από τον Ζακ Μπερτίν , οι οπτικές μεταβλητές είναι οι διαφορές μεταξύ των στοιχείων όπως αντιλαμβάνονται το ανθρώπινο μάτι. Μελετήθηκαν για μεγάλο χρονικό διάστημα, αυτές οι μεταβλητές παρέχουν τα μέσα για να κατανοήσουμε πώς ο ανθρώπινος εγκέφαλος επεξεργάζεται και πλοηγεί τις οπτικές πληροφορίες. Το αρχικό σύνολο 'μεταβλητές αμφιβληστροειδούς' αποτελούταν από επτά μεταβλητές: θέση, μέγεθος, σχήμα, τιμή, χρωματική απόχρωση, προσανατολισμούς και υφή.
Τα παρακάτω διαγράμματα δείχνουν παραδείγματα οπτικών μεταβλητών χρήσιμων για την εμφάνιση ποιοτικών ή ποσοτικών διαφορών - σύμφωνα με τον Bertin. Δείχνουν επίσης έναν τρόπο παρουσίασης χαρακτηριστικών μέσω σημείων, γραμμών ή περιοχών.
Μια μελέτη του 1984 από τους William Cleveland και Robert McGill κατέταξε τις πιο κοινές πτυχές που μπορούν να έχουν δύο σχήματα βάσει του πόσο εύκολα ο ανθρώπινος εγκέφαλος εντοπίζει τις διαφορές μεταξύ τους. Παραγγέλνουν τα ακόλουθα οπτικά χαρακτηριστικά από τα πιο ακριβά:
Θέση σε κοινή κλίμακα
Επειδή μοιραζόμαστε ένα κοινό σύστημα χωρικής αναφοράς, η θέση είναι το ευκολότερο χαρακτηριστικό που αναγνωρίζει και αξιολογεί σε σχέση με στοιχεία στο χώρο.
Παραδείγματα: Διαγράμματα ράβδων, Διαγράμματα διασποράς
Θέσεις κατά μήκος μη ευθυγραμμισμένων, πανομοιότυπες κλίμακες
Είναι εύκολο να συγκρίνετε ξεχωριστές κλίμακες που επαναλαμβάνονται με τον ίδιο άξονα ακόμη και αν δεν είναι ευθυγραμμισμένες. Τα γραφήματα πίνακα ή 'μικρά πολλαπλάσια' είναι ένα εξαιρετικό παράδειγμα αυτού. Το αποτέλεσμα είναι ένα πλέγμα διαγραμμάτων που όλοι ακολουθούν την ίδια οπτική μορφή αλλά εμφανίζουν διαφορετικά σύνολα δεδομένων. Σε σύγκριση με ένα μόνο, μεγαλύτερο γράφημα, τα μικρά πολλαπλάσια μπορούν να βοηθήσουν στην υπερβολική σχεδίαση, όταν τα δεδομένα ενδέχεται να αποκρυφθούν ή να αποκλείονται επειδή υπάρχουν πάρα πολλά γραφικά στοιχεία.
Παράδειγμα: Μικρά πολλαπλάσια (γνωστά και ως πίνακες Rellis, Lattice, Grid και Panel)
Μήκος
Το μήκος μπορεί αποτελεσματικά να αντιπροσωπεύει ποσοτικές πληροφορίες επειδή το μήκος ενός στοιχείου μπορεί να κλιμακωθεί στην τιμή δεδομένων που αντιπροσωπεύουν. Ο ανθρώπινος εγκέφαλος αναγνωρίζει εύκολα τις αναλογίες και αξιολογεί το μήκος, ακόμη και αν τα αντικείμενα δεν είναι ευθυγραμμισμένα.
Παράδειγμα: Γραφήματα ράβδων
Κατεύθυνση
Η κατεύθυνση αναγνωρίζεται εύκολα από το ανθρώπινο μάτι. Μπορεί να χρησιμοποιήσει γραφήματα γραμμών και τάσεων, για παράδειγμα, για την παρουσίαση δεδομένων που αλλάζουν με την πάροδο του χρόνου.
Παράδειγμα: Διαγράμματα τάσεων
Γωνία
Οι γωνίες βοηθούν στην πραγματοποίηση συγκρίσεων παρέχοντας μια αίσθηση αναλογίας. Μελέτες δείχνουν ότι οι γωνίες είναι πιο δύσκολο να εκτιμηθούν από το μήκος ή τη θέση. Ωστόσο, τα γραφήματα πίτας είναι τόσο αποτελεσματικά όσο τα στοιβαγμένα γραφήματα εκτός αν υπάρχουν περισσότερα από τρία μέρη στο σύνολο.
Παράδειγμα: Διαγράμματα πίτας
Περιοχή
Το σχετικό μέγεθος των περιοχών είναι πιο δύσκολο να συγκριθεί σε σχέση με το μήκος των γραμμών. Η δεύτερη κατεύθυνση απαιτεί περισσότερη προσπάθεια επεξεργασίας και ερμηνείας.
Παράδειγμα: Διαγράμματα φυσαλίδων
Ενταση ΗΧΟΥ
Ο τόμος αναφέρεται στη χρήση τρισδιάστατων αντικειμένων σε δισδιάστατους χώρους, γεγονός που τα καθιστά πολύ πιο δύσκολο να εκτιμηθούν. Ωστόσο, μελέτες δείχνουν ότι τα τρισδιάστατα αντικείμενα μπορούν να γίνουν αντιληπτά με μεγαλύτερη ακρίβεια όταν συγκρίνονται δύο σχήματα της ίδιας διαστάσεων.
Παράδειγμα: τρισδιάστατα ραβδόγραμμα
Κορεσμός χρώματος
Ο κορεσμός χρώματος αναφέρεται στην ένταση μιας μόνο απόχρωσης. Οι αυξανόμενες εντάσεις χρώματος μπορούν να θεωρηθούν διαισθητικά ως αριθμοί αυξανόμενης αξίας. Ωστόσο, είναι δύσκολο να αξιολογήσουμε με ακρίβεια τα αποτελέσματα.
Παράδειγμα: Χάρτες θερμότητας
Η κατανόηση της κατάταξης των οπτικών μεταβλητών είναι απαραίτητη για τη δημιουργία συναρπαστικών οπτικοποιήσεων δεδομένων. Ωστόσο, αυτό δεν σημαίνει ότι οι σχεδιαστές πρέπει να περιοριστούν σε ραβδόγραμμα και διασκορπισμούς. Οι Cleveland και McGill σημειώνουν, 'Η παραγγελία δεν οδηγεί σε μια ακριβή συνταγή για την εμφάνιση δεδομένων, αλλά μάλλον είναι ένα πλαίσιο εντός του οποίου θα λειτουργήσει.'
Χρώμα
Ο κορεσμός χρώματος και η σκίαση είναι οι λιγότερο ακριβείς όσον αφορά την αντίληψη των προτύπων και της συμπεριφοράς, σύμφωνα με τον William Cleveland. Ωστόσο, το χρώμα μπορεί να είναι ένα ισχυρό εργαλείο για σχεδιαστές οπτικοποίησης δεδομένων για να μεταφέρω νόημα και σαφήνεια κατά την εμφάνιση δεδομένων. Ωστόσο, είναι σημαντικό να κατανοήσουν οι σχεδιαστές πώς λειτουργεί το χρώμα και τι κάνει και δεν τα πάει καλά.
Χρώμα σε περιβάλλον
Η αντίληψή μας για το χρώμα εξαρτάται από το περιβάλλον, το χρώμα και την αντίθεσή του με τα γύρω αντικείμενα.
Ένα εξαιρετικό παράδειγμα είναι ένα πείραμα του Akiyoshi Kitaoka, καθηγητή στο Τμήμα Ψυχολογίας του Πανεπιστημίου Ritsumeikan στην Ιαπωνία, όπου ολισθαίνει ένα κομμάτι γκρι χαρτιού σε μια ασπρόμαυρη κλίση. Το χαρτί φαίνεται να αλλάζει χρώμα καθώς κινείται πλάι-πλάι. Σε κάθε στιγμή, αντιλαμβανόμαστε το χρώμα διαφορετικά, όπως το περιβάλλουν διαφορετικές αποχρώσεις του γκρι. Δείτε το παρακάτω βίντεο:
Στο άρθρο του Πρακτικοί κανόνες για τη χρήση χρώματος σε γραφήματα Ο Stephen Few αντλεί ορισμένους πρακτικούς κανόνες από αυτές τις παρατηρήσεις:
- Εάν θέλετε διαφορετικά αντικείμενα του ίδιου χρώματος σε έναν πίνακα ή ένα γράφημα να φαίνονται ίδια, βεβαιωθείτε ότι το φόντο - το χρώμα που τα περιβάλλει - είναι συνεπές.
- Εάν θέλετε να βλέπετε εύκολα αντικείμενα σε έναν πίνακα ή ένα γράφημα, χρησιμοποιήστε ένα χρώμα φόντου που έρχεται σε αντίθεση αρκετά με το αντικείμενο.
Το χρώμα λέει μια ιστορία
Το χρώμα δεν είναι μόνο διακόσμηση. Είναι καλύτερο όταν χρησιμοποιείται με νόημα και στρατηγική. Το χρώμα πρέπει να βοηθήσει στην αφήγηση μιας ιστορίας και στην επικοινωνία του στόχου του συνόλου δεδομένων που παρουσιάζεται. Όπως λέει και η παροιμία, «το λιγότερο είναι περισσότερο».
Τα χρώματα με αντίθεση πρέπει να εφαρμόζονται μόνο σε διαφορές νοήματος στα δεδομένα για τη μείωση του γνωστικού φορτίου. Το χρώμα μπορεί επίσης να τονίσει τα κύρια στοιχεία της οπτικοποίησης.
Η απουσία χρώματος δεν κάνει ένα καλό γράφημα λιγότερο αποτελεσματικό. Το γκρι είναι ένα καλό σημείο εκκίνησης στο στάδιο του ιδεασμού και μόλις εντοπιστεί ένα σημείο εστίασης, η εφαρμογή του χρώματος θα τονίσει αυτά τα μέρη.
Ορισμός παλετών χρωμάτων
Το σύνολο χρωμάτων που εφαρμόζει ο σχεδιαστής οπτικοποίησης δεδομένων μπορεί να αλλάξει εντελώς την έννοια των δεδομένων. Πολλά εργαλεία μπορούν να βοηθήσουν στην επιλογή μιας ουσιαστικής παλέτας χρωμάτων, ανάλογα με τη φύση των δεδομένων. Εδώ είναι ένα ζευγάρι:
- ColorBrewer . Οι παλέτες χωρίζονται σε τρεις τύπους:
- Κατηγοριακό (χρησιμοποιείται για το διαχωρισμό αντικειμένων σε διαφορετικές ομάδες)
- Διαδοχική (χρησιμοποιείται για την κωδικοποίηση ποσοτικών διαφορών)
- Απόκλιση
- Viz Palette . Το Viz Palette φροντίζει για την προσβασιμότητα, το σχεδιασμό για την αχρωματοψία και τις αποχρώσεις ομοιόμορφα σε απόσταση. Περιλαμβάνει μια «αναφορά χρώματος» που προσδιορίζει αποχρώσεις που μπορεί να φαίνονται ίδιες σε διάφορες καταστάσεις.
Εφαρμογή αρχών Gestalt στην οπτικοποίηση δεδομένων
ο αρχές της χειρονομίας της αντίληψης μπορεί να βοηθήσει στην αποσαφήνιση του τρόπου με τον οποίο ο εγκέφαλος οργανώνει στοιχεία βάσει κοινών χαρακτηριστικών καθώς προσπαθεί να κατανοήσει τις οπτικές πληροφορίες. Η θεωρία του Gestalt βασίζεται στην ιδέα ότι ο ανθρώπινος εγκέφαλος θα προσπαθήσει να απλοποιήσει και να οργανώσει σύνθετες εικόνες ή σχέδια που αποτελούνται από πολλά στοιχεία με την υποσυνείδητη τακτοποίηση των τμημάτων σε ένα οργανωμένο σύστημα που δημιουργεί ένα σύνολο, και όχι απλώς μια σειρά διαφορετικών στοιχείων.
Ομοιότητα
Η αρχή της ομοιότητας λέει ότι το μυαλό μας θα ομαδοποιήσει αυτόματα στοιχεία με κοινές οπτικές ιδιότητες ως «παρόμοια». Παρόμοια χρώματα, παρόμοια σχήματα, παρόμοια μεγέθη και παρόμοιοι προσανατολισμοί θεωρούνται ομαδικά. Αυτή η αρχή απεικονίζεται στα παρακάτω διαγράμματα.
Σε αντίθεση με το γράφημα στα αριστερά με τις ράβδους σε διαφορετικά χρώματα, έχουν το ίδιο μπλε στα δεξιά. Δεδομένου ότι υπάρχει μόνο μία μεταβλητή (Κόστος / Έσοδα), αυτό έχει νόημα. Η ύπαρξη των ράβδων στο ίδιο χρώμα διευκολύνει την κατανόηση των δεδομένων και αφαιρεί το πρόσθετο γνωστικό στέλεχος που προκαλείται από τη χρήση διαφορετικών χρωμάτων στα αριστερά.
Εγγύτητα
Η εγγύτητα είναι πιο αποτελεσματική από την ομοιότητα, επειδή το ανθρώπινο μάτι αντιλαμβάνεται τα στοιχεία που σχετίζονται με το πόσο κοντά βρίσκονται μεταξύ τους.
Στο παρακάτω διάγραμμα, ο στόχος είναι να συγκρίνουμε τις πωλήσεις ανά χώρα σε τρία τέταρτα. Παρόλο που είναι εύκολο να συγκρίνουμε τις πωλήσεις κάθε χώρας εντός ενός τριμήνου λόγω της εγγύτητάς τους, θα ήταν δύσκολο να αναλύσουμε τις πωλήσεις ανά χώρα.
Το αναθεωρημένο γράφημα το κοινοποιεί πιο καθαρά. Σε αυτήν την περίπτωση, οι πληροφορίες έχουν προτεραιότητα για να εστιάσουν στον στόχο οπτικοποίησης, καθώς διατηρούν τα κύρια σημεία δεδομένων πιο κοντά.
Περίφραξη
ο αρχή της κοινής περιοχής , που εισήχθη από την Palmer το 1992, δείχνει πώς η περίφραξη στοιχείων με ένα σαφώς καθορισμένο όριο τείνει να γίνεται αντιληπτή ως ομάδα εάν μοιράζονται έναν κοινό χώρο.
Στο παρακάτω παράδειγμα, οι τρεις ράβδοι εντός της γκρι-σκιασμένης περιοχής φαίνεται να αποτελούν μέρος μιας ομάδας. Αυτή η τεχνική βοηθά τους θεατές να επικεντρωθούν σε μια ομάδα αντικειμένων σε ένα γράφημα.
συμπέρασμα
Η κατανόηση των βασικών στοιχείων της ανθρώπινης αντίληψης και της γνωστικής διαδικασίας είναι ουσιαστικό μέρος του σχεδιασμού εξαιρετικών οπτικοποιήσεων δεδομένων. Όταν εργάζεστε σε προϊόντα με ανάγκες οπτικοποίησης δεδομένων — είτε πρόκειται για πίνακα ελέγχου B2B είτε για οικονομική εφαρμογή— σχεδιαστές πρέπει να προσέχετε τη διαδικασία οπτικής αντίληψης του ανθρώπινου εγκεφάλου και τις βασικές αρχές σχεδιασμού οπτικοποίησης δεδομένων.
Η εξοικείωση με γνωστές αρχές χειρονομίας της οπτικής αντίληψης μπορεί να είναι ένα μεγάλο όφελος για τους σχεδιαστές και να τους βοηθήσει να κατανοήσουν πώς ο εγκέφαλος μετατρέπει σύνθετες εικόνες σε σχέδια. Το να λαμβάνετε υπόψη αυτές τις αρχές είναι πολύτιμο στη διαδικασία για την επίτευξη μιας πιο σαφούς οπτικής ιεραρχίας όταν σχεδιάζετε οπτικοποιήσεις δεδομένων και σχεδιάζετε πιο αποτελεσματικά γραφήματα.
Επιπλέον, έχοντας επίγνωση της προληπτικής επεξεργασίας και των οπτικών μεταβλητών, καθώς και της σωστής εφαρμογής του χρώματος, θα δώσει τη δυνατότητα στους σχεδιαστές να δημιουργήσουν πιο αποτελεσματικές απεικονίσεις δεδομένων.
Πείτε μας τη γνώμη σας! Αφήστε τις σκέψεις, τα σχόλια και τα σχόλιά σας παρακάτω.
• • •
Περαιτέρω ανάγνωση στο ApeeScape Design Blog:
- Μια πλήρης επισκόπηση των καλύτερων εργαλείων οπτικοποίησης δεδομένων
- Οπτικοποίηση δεδομένων - Βέλτιστες πρακτικές και θεμέλια
- Κορυφαία παραδείγματα οπτικοποίησης δεδομένων και σχέδια ταμπλό
- Σχεδιασμός ταμπλό - Σκέψεις και βέλτιστες πρακτικές
- COVID-19: Η απόλυτη θήκη χρήσης σχεδιαστικής σκέψης
Κατανόηση των βασικών
Γιατί είναι σημαντική η οπτικοποίηση δεδομένων;
Η οπτικοποίηση δεδομένων μπορεί να παρέχει πληροφορίες που οι παραδοσιακές περιγραφικές στατιστικές δεν μπορούν. Με τον τρέχοντα γρήγορο πολλαπλασιασμό των δεδομένων, ο σχεδιασμός οπτικοποίησης δεδομένων είναι ένας ισχυρός και συνεκτικός τρόπος για την οπτική επικοινωνία ποσοτικού περιεχομένου και επιτρέπει στους χρήστες να επεξεργάζονται ευκολότερα και πιο γρήγορα μεγάλες ποσότητες πληροφοριών.
Γιατί είναι τόσο ισχυρή η οπτικοποίηση;
Η αίσθηση της όρασης μας παρέχει πληροφορίες πολύ πιο γρήγορα από τις άλλες αισθήσεις και επεξεργαζόμαστε αυτό που βλέπουμε ακόμη και πριν το σκεφτούμε. Ο σχεδιασμός οπτικοποίησης δεδομένων εκμεταλλεύεται αυτήν την ταχεία αισθητηριακή απόκριση, γι 'αυτό η οπτικοποίηση δεδομένων στο σχεδιασμό είναι τόσο ισχυρή και επικοινωνεί τόσο αποτελεσματικά.
πώς να δημιουργήσετε ένα ανεκτέλεστο προϊόν
Ποια είναι τα οφέλη της οπτικοποίησης;
Ο σχεδιασμός οπτικοποίησης δεδομένων παρέχει ταχύτερες, βελτιωμένες πληροφορίες για σύνολα δεδομένων και δίνει στους θεατές τη δυνατότητα να τα επεξεργάζονται πιο γρήγορα.
Πώς χρησιμοποιείτε την οπτικοποίηση δεδομένων;
Η οπτικοποίηση δεδομένων είναι η γραφική παρουσίαση των δεδομένων. Ο σχεδιασμός οπτικοποίησης δεδομένων χρησιμοποιεί οπτικά στοιχεία όπως γραφήματα, γραφήματα και χάρτες που προσφέρουν πληροφορίες για τις τάσεις και τα μοτίβα στα δεδομένα.
Πώς σχετίζεται το όραμα με την ψυχολογία;
Οι ψυχολόγοι μελετούν την αίσθηση για να κατανοήσουν την αντίληψη. Οι αισθήσεις μας είναι η φυσιολογική βάση της αντίληψης, η οποία είναι η διαδικασία με την οποία ο εγκέφαλος επιλέγει, οργανώνει και ερμηνεύει τις αισθήσεις που συγκεντρώνονται από τους αισθητήριους υποδοχείς μας, τα μάτια.
