Jakie dziedziny naukowe badają, w jaki sposób ludzie interpretują podsumowania ilościowe i wizualizacje?

Istnieje mnóstwo dobrze znanych zasobów oferujących porady dotyczące wizualizacji danych. (Np. Tufte, Stephen Few i in. , Nathan Yau .) Ale do jakich dziedzin można się zwrócić w celu uzyskania odpowiedzi na takie pytania:

• Czy krytyka wykresu kołowego jest istotna w praktyce? Czy ludzie znacznie lepiej interpretują długość skali liniowej niż długość łuku?
• Załóżmy, że konstruuję podsumowanie indeksu zbioru podstawowych zmiennych i wyjaśniam laikom, że Stany Zjednoczone mają wartość 100 w 2010 r. I 110 w 2015 r. Jak większość ludzi zinterpretuje te liczby? Czy są jakieś naturalne nawyki poznawcze, które powinienem wziąć pod uwagę, gdy przedstawiam tę metrykę, albo w celu lepszego wykorzystania wyjaśnień, albo w celu uniknięcia błędnej interpretacji?

Innymi słowy, do jakich dziedzin naukowych prezenterzy informacji ilościowych mogą szukać solidnych i sprawdzonych empirycznie zasad, które pomogą uporządkować mnóstwo dostępnych wizualizacji i porad projektowych?

Celem nie jest znalezienie porady, pomysłów ani obecnego konsensusu co do tego, jak najlepiej wizualizować dane lub podejście do nowych problemów wizualizacji danych, ale aby dowiedzieć się, gdzie szukać nauki o tym, jak ludzie interpretują informacje ilościowe i / lub wizualne.

(Dodatkowy kredyt za odniesienia do czasopism, konferencji i uczonych w tej dziedzinie.)

Gerd Gigerenzer jest powszechnie uznawany za jednego ze światowych ekspertów w dziedzinie poznawczych aspektów liczenia lub, alternatywnie, nieliczenia. Na swojej stronie internetowej ma wiele artykułów i książek na te tematy ( https://www.mpib-berlin.mpg.de/en/staff/gerd-gigerenzer ). Jednym z jego kluczowych tekstów jest książka z 2002 r. Obliczone ryzyko: jak się dowiedzieć, kiedy liczby cię oszukują . Przeczytaj streszczenie tutaj: https://www.mpib-berlin.mpg.de/en/research/adaptive-behavior-and-cognition/publications/books/calculated-risks

Z pracą Gigerenzera związana jest praca teoretyczna oparta na poznaniu, która analizuje sposób prezentacji informacji. Reprezentatywnym dokumentem jest The Illusion of Wealth Dana Goldsteina i jego odwrócenie dostępne tutaj ... http://rady.ucsd.edu/docs/seminars/goldstein.pdf Oto wstęp:

Ostatnio badacze i decydenci zaczęli zwracać większą uwagę nie tylko na architekturę wyboru, ale także na architekturę informacji: format, w jakim informacje są prezentowane ludziom. Badania w architekturze informacji wykazały, na przykład, że kaloryczność żywności można docenić pod względem ilości ćwiczeń, jakie zajęłoby jej zmniejszenie kalorii, a zrozumienie efektywności energetycznej samochodów można poprawić, prezentując informacje w warunki w galonach na 100 mil zamiast mil na galon. Ten artykuł bada architekturę informacji, ale zamiast konsumować kalorie lub benzynę, zajmujemy się konsumpcją ekonomiczną na emeryturze.

Ważnym niedawnym dodatkiem do literatury są badania Berkeley Dietvorst nad „awersją do algorytmów” i podejmowaniem decyzji. Dietvorst twierdzi, że w przypadku modelowania predykcyjnego, naiwny technicznie i / lub niepiśmienny ma tendencję do zakładania, że ​​modele predykcyjne są „magiczną kulą” lub doskonale informacyjną, a kiedy algorytmy okazują się w najlepszym razie słabo predykcyjne, wówczas typową odpowiedzią jest odrzucenie rozwiązania ilościowe ogółem.

https://marketing.wharton.upenn.edu/mktg/assets/File/Dietvorst%20Simmons%20&%20Massey%202014.pdf

Są też blogerzy, tacy jak Kaiser Fung, który utrzymuje swoją witrynę Junkcharts, krytykując wykresy i wizualizacje dużych pubów, takich jak NYT lub WSJ http://junkcharts.typepad.com/

Z kwestią wizualizacji związane są prace ekspertów ds. Projektowania, takich jak Manuel Lima, który prowadzi witrynę VisualComplexity.com, obejmującą wiele podejść do tego. Lima uczy również wizualizacji danych w Parsons School of Design w Nowym Jorku. http://www.visualcomplexity.com/vc/

Oprócz Parsons, inne instytucje projektowe i wizualizacyjne to:

College of Design and Social Context https://www.rmit.edu.au/about/our-education/academic-colleges/college-of-design-and-social-context/

Culture Analytics Institute UCLA
http://www.ipam.ucla.edu/programs/long-programs/culture-analytics/

Google Cultural Institute https://www.google.com/culturalinstitute/home

Wystawa i książka poświęcona projektowaniu MoMA

http://www.moma.org/calendar/exhibitions/1071?locale=en

http://www.amazon.com/Talk-Me-Communication-between-Objects/dp/0870707965

W zakresie konferencji jest Festiwal Eyeo http://eyeofestival.com/

W oprogramowaniu R guru wizualizacji to Hadley Wickham http://had.co.nz/

W oprogramowaniu SAS znajduje się Rob Allison http://www.robslink.com/SAS/graph_book.htm

Wreszcie nie brakuje „jednorazowych” rodzajów stron internetowych:

http://infosthetics.com/ świetne efekty wizualne danych rządowych

http://www.thefunctionalart.com/2012/09/in-praise-of-connected-scatter-plots.html

http://www.informationisbeautifulawards.com/

Jak źle wyświetlać dane Karl Broman https://www.biostat.wisc.edu/~kbroman/presentations/IowaState2013/graphs_combined.pdf

https://www.biostat.wisc.edu/~kbroman/presentations/IowaState2013/index.html

Blog Marii Popowej o projektowaniu i komunikacji https://www.brainpickings.org/2012/06/26/talk-to-me-moma-paola-antonelli-book/

Galeria wizualizacji danych http://www.datavis.ca/gallery/index.php

Układ okresowy wizualizacji danych http://www.visual-literacy.org/periodic_table/periodic_table.html

Nasz świat w danych http://ourworldindata.org/

To po prostu zaczyna drapać powierzchnię tego, co tam jest ...

Psychofizyka bada, w jaki sposób ludzie reagują i interpretują bodźce, w tym interpretację wizualizacji danych. Cleveland i McGill papier połączone w komentarzach jest przykładem, a druga część tej pracy przedstawiono krótki przegląd kilku perspektyw.

Poznanie numeryczne lub matematyczne jest subdyscypliną kognitywistyki, która bada takie rzeczy jak zmysł liczb . Czasami zapożycza koncepcje z psychofizyki, na przykład skalę Fechnera , która „stwierdza, że ​​subiektywne odczucie jest proporcjonalne do logarytmu intensywności bodźca”. Opis Wiki pojęcia zastosowanego do poznania numerycznego:

Badania psychologiczne pokazują, że coraz trudniej jest rozróżnić dwie liczby, ponieważ zmniejsza się różnica między nimi. Nazywa się to efektem odległości. Jest to ważne w obszarach szacowania wielkości, takich jak radzenie sobie z dużymi skalami i szacowanie odległości. Może również odgrywać rolę w wyjaśnianiu, dlaczego konsumenci zaniedbują zakupy, aby zaoszczędzić niewielki procent na dużym zakupie, ale będą rozglądać się, aby zaoszczędzić duży procent na małym zakupie, co stanowi znacznie mniejszą bezwzględną kwotę w dolarach.

Powiązana, w ekonomii behawioralnej, teoria perspektyw ( oryginalny artykuł ) bada ludzkie wybory między ryzykownymi, probabilistycznymi alternatywami.