Diagrammi, grafici e mappe sono strumenti efficaci e persuasivi per la comunicazione insight e informazioni. Inoltre, se utilizzate male o male, fonti di confusione, disinformazione e falsità.
Le classifiche come arte piuttosto che scienza
I professionisti di ML spesso visualizzano potenziali set di dati di addestramento per comprenderne è utile per i modelli, nonché gli output del modello, per comprendere le prestazioni.
Chiedi sempre informazioni sul contesto, il pubblico e lo scopo previsti dei dati che tu stia creando o leggendone una. Questi tre fattori sono chiave per la comunicazione grafica. Lo stesso grafico può essere utile e dettagliato. fuorvianti ed esagerati, in contesti diversi.1 Lo spettatore di riferimento e il livello di conoscenza dei dati e dei grafici dello spettatore varia. Il design può essere d'aiuto ostacoli. Ad esempio, grafici di stupore mozzafiato possono essere troppo contorti per comunicare informazioni in modo chiaro.
Non ci sono regole ferree e veloci per creare un grafico perfetto, linee guida e best practice. Visualizzare i dati è un'arte quanto della scienza. Tuttavia, quando visualizzi i dati, cerca di puntare alla chiarezza e all'onestà. Fornire informazioni sufficienti a comunicare in modo chiaro e preciso (e non così) informazioni da sopraffare lo spettatore.
Ponteggi, contenuti e spostamenti ingannevoli
Alberto Cairo, in How Strategies Lie, divide le visualizzazioni dei dati in due parti: scaffolding e contenuti.
L'impalcatura di un grafico include titoli, assi, legende, etichette e la fonte i dati, se presenti.
I contenuti includono la codifica visiva dei dati e qualsiasi breve testo annotazioni. I metodi per la codifica visiva dei dati di solito includono:
- come nei grafici a barre
- media, come nei grafici a dispersione
- angoli proporzionali, aree e archi nei grafici a torta
- colore e tonalità
- più raramente, larghezza e spessore2
Tutti questi elementi possono essere utilizzati per ingannare. Iniziare un grafico a barre da un punto diverso da zero base di riferimento o troncare le barre più lunghe, possono generare percezioni imprecise, anche se l'intento è quello di risparmiare spazio. Guarda il video di Sarah Leo saggio sugli errori di visualizzazione dei dati in Economist per alcuni esempi.
Una proporzione inappropriata può far sembrare che una piccola modifica o una grande variazione, sembra molto piccola. Il Cairo suggerisce di scegliere che corrispondano alla modifica proporzionale rappresentata, ad esempio 3:1 per un del 30%, dando al contempo molta attenzione al contesto, dato che molte importanti eccezioni alla regola. Fluttuazioni medie relativamente piccole globale, supponiamo che un aumento di 2 °C su 100 °C, ad esempio, sono molto significativi e verranno sottovalutati in un grafico con un aspetto 50:1. .3
L'utilizzo di rotazioni 3D dei grafici e di altri effetti 3D per l'impatto visivo rispetto alla rappresentazione di dati 3D, è molto probabile che sia fuorviante. Così come lo sono rappresentazioni di oggetti 3D che sostituiscono le barre nei grafici a barre. Se i dati sono codificati solo in base alla lunghezza, come in un grafico a barre standard, il lettore può interpretare un oggetto proporzionalmente più grande come avente un volume maggiore, e quindi un valore più alto del dovuto.4 I designer che utilizzano il 2D rappresentazioni dei dati, come le bolle, e codificano i dati in base al raggio o al diametro piuttosto che per area, creerà anche proporzioni fuorvianti.5 2D come i grafici a torta possono complicare il confronto dei segmenti l'una contro l'altra. I grafici a torta implicano anche che la somma di tutti i segmenti è cosa che può accadere o meno.
Il colore è un soggetto diverso. In generale:
- Utilizza al massimo sei divisioni di colore, poiché questo è il limite di quello che la maggior parte delle persone sono in grado di gestire senza confusione.
- Evita un'ampia selezione di tonalità spettrali, perché diverse persone le ordinano. in modo diverso.6
- Se possibile, selezionate tonalità di una sola tonalità, che è distinguibili in scala di grigi.
- Presta attenzione ai diversi tipi di daltonismo.
Riferimenti
Il Cairo, Alberto. In che modo i grafici mento: informazioni visive in modo più intelligente. Roma: O Norton, 2019.
Uff, Darrell. Come mentire sulle statistiche. NY: W.W. Norton, 1954.
Monmonier, Mark. How to Lie with Maps,3a edizione Chicago: U of Chicago P, 2018.
Riferimenti immagine
"Tabella di un esempio di struttura di Contabilità per la velocità effettiva." TAUser, 2008. GNU FDL. Fonte
"GWP (MTCO2E) per tutti i tipi di veicoli nel corso del ciclo di vita." B2.Team.Leader, 2006. Origine
