ভিজ্যুয়ালাইজেশন ফাঁদ

চার্ট, গ্রাফ, এবং মানচিত্র অন্তর্দৃষ্টি এবং তথ্য যোগাযোগের জন্য বাধ্যতামূলক এবং প্ররোচিত সরঞ্জাম। এছাড়াও, খারাপভাবে বা দূষিতভাবে মোতায়েন করা হলে তারা বিভ্রান্তি, ভুল তথ্য এবং অসত্যের উৎস।

চার্ট বিজ্ঞানের চেয়ে শিল্প হিসাবে

এমএল অনুশীলনকারীরা প্রায়শই মডেলের জন্য তাদের উপযোগিতা বোঝার জন্য সম্ভাব্য প্রশিক্ষণ ডেটাসেটগুলিকে কল্পনা করে, সেইসাথে মডেল আউটপুটগুলি কার্যক্ষমতা বোঝার জন্য।

সর্বদা একটি ডেটা ভিজ্যুয়ালাইজেশনের উদ্দেশ্য , শ্রোতা এবং উদ্দেশ্য সম্পর্কে জিজ্ঞাসা করুন, আপনি একটি তৈরি করছেন বা পড়ছেন কিনা। এই তিনটি কারণ গ্রাফিকাল যোগাযোগের চাবিকাঠি। একই চার্ট বিভিন্ন প্রসঙ্গে দরকারী এবং অন্তর্দৃষ্টিপূর্ণ, বা বিভ্রান্তিকর এবং অতিরঞ্জিত হতে পারে। 1 উদ্দিষ্ট দর্শক, এবং দর্শকের গ্রাফ এবং ডেটা সাক্ষরতার স্তর পরিবর্তিত হবে। নকশা সাহায্য বা বাধা দিতে পারে. উদাহরণস্বরূপ, শ্বাসরুদ্ধকর সুন্দর চার্টগুলি স্পষ্টভাবে তথ্য যোগাযোগের জন্য খুব জটিল হতে পারে।

কিভাবে একটি নিখুঁত চার্ট তৈরি করতে হয় তার জন্য কোন কঠিন এবং দ্রুত নিয়ম নেই, শুধুমাত্র নির্দেশিকা এবং সর্বোত্তম অনুশীলন। ডেটা ভিজ্যুয়ালাইজ করা বিজ্ঞানের মতোই একটি শিল্প। কিন্তু ডেটা ভিজ্যুয়ালাইজ করার সময়, সর্বোপরি, স্বচ্ছতা এবং সততার জন্য চেষ্টা করুন। স্পষ্টভাবে এবং নির্ভুলভাবে যোগাযোগ করার জন্য যথেষ্ট তথ্য প্রদান করুন, এবং এত বেশি তথ্য নয় যে এটি দর্শককে অভিভূত করে।

ভারা, বিষয়বস্তু, এবং বিভ্রান্তিকর পদক্ষেপ

আলবার্তো কায়রো, হাউ চার্টস লাই- এ, ডেটা ভিজ্যুয়ালাইজেশনকে দুটি ভাগে বিভক্ত করেছে: ভারা এবং বিষয়বস্তু

একটি চার্টের স্ক্যাফোল্ডিংয়ে শিরোনাম, অক্ষ, কিংবদন্তি, লেবেল এবং তথ্যের উৎস অন্তর্ভুক্ত থাকে, যদি দেওয়া হয়।

বিষয়বস্তু ডেটার ভিজ্যুয়াল এনকোডিং এবং যেকোনো সংক্ষিপ্ত পাঠ্য টীকা অন্তর্ভুক্ত করে। চাক্ষুষরূপে এনকোডিং ডেটার জন্য পদ্ধতিগুলি সাধারণত অন্তর্ভুক্ত করে:

  • দৈর্ঘ্য, বার চার্ট হিসাবে
  • অবস্থান, scatterplots হিসাবে
  • পাই চার্টে আনুপাতিক কোণ, ক্ষেত্রফল এবং আর্কস
  • রঙ এবং বর্ণ
  • খুব কমই, প্রস্থ এবং বেধ 2

এই সব উপাদান বিভ্রান্ত করতে ব্যবহার করা যেতে পারে. একটি ননজিরো বেসলাইনে একটি বার চার্ট শুরু করা, বা দীর্ঘতম বারগুলিকে ছেঁটে ফেলা, ভুল ধারণা তৈরি করতে পারে, এমনকি যদি উদ্দেশ্যটি স্থান সংরক্ষণ করা হয়। কিছু উদাহরণের জন্য ইকোনমিস্ট- এ ডেটা ভিজ্যুয়ালাইজেশন ভুলের উপর সারা লিওর প্রবন্ধ দেখুন।

একটি অনুপযুক্ত আকৃতির অনুপাত একটি ছোট পরিবর্তনকে খুব বড় মনে করতে পারে বা একটি বড় পরিবর্তনকে খুব ছোট বলে মনে হতে পারে। কায়রো একটি অনুপাত বাছাই করার পরামর্শ দেয় যা চিত্রিত আনুপাতিক পরিবর্তনের সাথে মেলে, 30% পরিবর্তনের জন্য 3:1 বলুন, তবে প্রসঙ্গটির প্রতি গভীর মনোযোগ দেওয়ার পরামর্শ দেয়, কারণ নিয়মের অনেক গুরুত্বপূর্ণ ব্যতিক্রম রয়েছে। গড় বৈশ্বিক তাপমাত্রার তুলনামূলকভাবে ক্ষুদ্র ওঠানামা, উদাহরণস্বরূপ, 100C-এর মধ্যে 2C বৃদ্ধিকে অত্যন্ত তাৎপর্যপূর্ণ এবং 50:1 আকৃতির অনুপাত সহ একটি চার্টে ছোট করা হবে। 3

চার্টের 3D ঘূর্ণন এবং অন্যান্য 3D প্রভাবগুলি চাক্ষুষ প্রভাবের জন্য ব্যবহার করে, 3D ডেটা উপস্থাপন করার পরিবর্তে, বিভ্রান্তির সম্ভাবনা খুব বেশি। একইভাবে 3D বস্তুর চিত্রণ যা বার চার্টে বারের বিকল্প। যদি ডেটা শুধুমাত্র দৈর্ঘ্যের দ্বারা এনকোড করা হয়, যেমন একটি স্ট্যান্ডার্ড বার চার্টের সাথে, পাঠক আনুপাতিকভাবে বড় বস্তুটিকে একটি বৃহত্তর ভলিউম এবং সেইজন্য উপযুক্ত থেকে উচ্চতর মান হিসাবে ব্যাখ্যা করতে পারে। 4 ডিজাইনার যারা ডেটার 2D উপস্থাপনা ব্যবহার করে, যেমন বুদবুদ, এবং ক্ষেত্রফলের পরিবর্তে ব্যাসার্ধ বা ব্যাস দ্বারা ডেটা এনকোড করে, তারাও বিভ্রান্তিকর অনুপাত তৈরি করবে। পাই চার্টের মতো 5 2D উপস্থাপনা একে অপরের সাথে বিভাগগুলি তুলনা করা কঠিন করে তুলতে পারে। পাই চার্টগুলিও ইঙ্গিত করে যে সমস্ত বিভাগ একটি সম্পূর্ণ পর্যন্ত যোগ করে, যা ক্ষেত্রে হতে পারে বা নাও হতে পারে।

3x4 3D চার্ট গ্লোবাল ওয়ার্মিং এর উপর গ্যাসোলিন, ইথানল এবং বিদ্যুতের প্রভাব দেখাচ্ছেকোণযুক্ত 3D বার চার্ট বিভিন্ন উত্সের কারণে বিক্রয়ের % দেখাচ্ছে৷
পঠন-পাঠন কঠিন ডেটা ভিজ্যুয়ালাইজেশনের উদাহরণ।

রঙ এর নিজস্ব বিষয়। সাধারণভাবে:

  • 6 বা তার কম রঙের বিভাজন ব্যবহার করুন, যেহেতু এটি বেশিরভাগ লোকেরা বিভ্রান্তি ছাড়াই যা পরিচালনা করতে পারে তার সীমা।
  • বর্ণালী রঙের বিস্তৃত নির্বাচন এড়িয়ে চলুন, কারণ বিভিন্ন লোক তাদের ভিন্নভাবে অর্ডার করে। 6
  • যদি সম্ভব হয়, একটি একক বর্ণের ছায়াগুলি নির্বাচন করুন, যা গ্রেস্কেলে আরও আলাদা।
  • বিভিন্ন ধরনের বর্ণান্ধতা সম্পর্কে সচেতন হোন।

তথ্যসূত্র

কায়রো, আলবার্তো। চার্টগুলি কীভাবে মিথ্যা বলে: ভিজ্যুয়াল তথ্য সম্পর্কে আরও স্মার্ট হওয়া। NY: WW Norton, 2019।

হাফ, ড্যারেল। পরিসংখ্যানের সাথে কীভাবে মিথ্যা বলা যায়। NY: WW Norton, 1954।

মনমোনিয়ার, মার্ক। মানচিত্র সহ কিভাবে মিথ্যা, 3য় সংস্করণ. শিকাগো: ইউ অফ শিকাগো পি, 2018।

ইমেজ রেফারেন্স

"থ্রুপুট অ্যাকাউন্টিং কাঠামোর একটি উদাহরণের চার্ট।" TAUser, 2008. GNU FDL. উৎস

"জীবনচক্রে সব ধরনের যানবাহনের জন্য GWP (MTCO2E)।" B2.Team.Leader, 2006. উৎস


  1. কায়রো 72-73, 79.

  2. কায়রো 24-26, 36-38।

  3. কায়রো 69-70।

  4. হাফ 21-25।

  5. কায়রো 34, 58-59।

  6. মনমোনিয়ার 65-66।