Экспериментальные данные, подтверждающие визуализации в стиле Tufte?

Вопрос: Существуют ли экспериментальные данные в поддержку минималистских визуализаций, основанных на данных, в стиле Tufte, по сравнению с визуализированными диаграммой визуализациями, скажем, Найджела Холмса ?

Я спросил , как добавить диаграмму-мусор на R участки здесь и ответчики бросили здоровенное количество Снарка на меня. Так что, безусловно, должны быть некоторые экспериментальные доказательства, к которым я не причастен, поддерживающие их позицию против чарта против чарта - больше доказательств, чем просто «Туфте так сказал». Правильно?

Если такие доказательства существуют, это будет противоречить многим психологическим исследованиям, которые мы проводим в отношении людей, их памяти и идентификации моделей. Так что я бы с радостью прочитал об этом.

Небольшой анекдот: на конференции я спросил Эдварда Туфте, как он относится к экспериментальным данным, свидетельствующим о том, что анимация и видеоролики с мусором улучшают понимание и воспоминание людей [см. Исследование, процитированное в Правилах мозга] . Его ответ: «Не верь им». Вот вам и научный метод!

PS Конечно, я немного поносил людей. Я владею всеми книгами Туфте и считаю его работу невероятной. Я просто думаю, что его сторонники перепродали некоторые из его аргументов.

ПРИМЕЧАНИЕ. Это повторное сообщение вопроса, который я задал в StackOverflow . Модераторы закрыли это, потому что это не было определенным для программирования. CrossValidated может быть лучше дома.

ОБНОВЛЕНИЕ: Есть несколько полезных ссылок в разделе комментариев моего оригинального поста с вопросом - а именно, на работу Чемберса, Кливленда и группы данных в Стэнфорде.

ОБНОВЛЕНИЕ: Этот вопрос имеет дело с подобной темой.

Литература обширна. Экспериментальные доказательства многочисленны, но неполны. Для введения, которое сосредотачивается на психологических и семиотических исследованиях, см. Alan M. MacEachren, Как Карты Работают (1995; 2004 в мягкой обложке). Перейдите непосредственно к главе 9 (ближе к концу) и затем просмотрите все предварительные материалы, которые вас интересуют. Библиография обширна (более 400 документов), но становится немного длиннее в зубе. Хотя название предполагает акцент на картографии, большая часть книги имеет отношение к тому, как люди создают смысл и интерпретируют графическую информацию.

Не ожидайте получить окончательный ответ от любого количества таких исследований. Помните, что Tufte, Cleveland и другие были в основном сосредоточены на создании графики, которая обеспечивает (прежде всего) точную, проницательную передачу и интерпретацию данных. У других художников-графиков и исследователей есть и другие цели, такие как влияние на людей, создание эффективной пропаганды, упрощение сложных наборов данных и выражение своих художественных чувств в графической среде. Они почти диаметрально противоположны первому набору целей, откуда вы найдете чрезвычайно разные подходы и рекомендации.

Учитывая это, я думаю, что обзор исследований Кливленда должен быть достаточно убедительным, что многие рекомендации по проектированию Tufte имеют достойное экспериментальное обоснование. К ним относятся его использование фактора лжи, коэффициента чернил данных, небольших кратных и чартджанка для критической оценки и разработки статистической графики.

Вот некоторые из них;

• Кливленд и Макгилл (1984, JASA) Графическое восприятие: теория, эксперименты и применение к разработке графических методов.
• Кливленд и Макгилл (1987, JRSSA) Графическое восприятие: визуальное декодирование количественной информации о графическом отображении данных
• Левандовски и Спенс (1989) Различающие слои в точках рассеяния
• Спенс и Левандовски (1991), показывающие пропорции и проценты
• Спенс Кутлеса и Роуз (1999) Использование цвета для кодирования количества в пространственных дисплеях

Спросите у Google полные ссылки

Стоит помнить, что визуализация информации не является чем-то изолированным от всех других форм визуальной коммуникации. Если вы хотите производить работы, основанные на принципах, основанных на доказательствах, я бы поспорил, что лучше всего посмотреть, где доказательства являются наиболее сильными.

Я читал конкретные исследования по методам визуализации данных, а также общие исследования в области когнитивной науки и общих исследований дизайна, и я обнаружил, что размышление о том, как более мощное, более тщательное общее исследование применимо к каждому брифу и каждый используемый элемент, часто более эффективно. и полезнее, чем пытаться применять узкоспециализированные полевые исследования, которые часто страдают от небольших выборок, слабых методов исследования, узких исследований и / или глубоко укоренившихся допущений.

Есть две прекрасные книги, которые я рекомендую в качестве введения, одна с наукой в ​​качестве отправной точки, другая с общими принципами в качестве отправной точки, приводящая доказательства:

• Наука Видения Стивом Палмером . Это зверь, и, будучи студентом, я чуть не получил травму спины в нескольких случаях, когда я был достаточно глуп, чтобы носить его в рюкзаке, но это также, возможно, лучший учебник по естествознанию, который я когда-либо видел, и отличный пример свежести само визуальное и словесное общение. Я недавно прошел через это, чтобы обозначить главы содержимым, имеющим непосредственное отношение к моей работе в области визуализации и информационного дизайна, ожидая маркировать только несколько: я закончил маркировать каждую главу, кроме одной.
• Универсальные принципы дизайна от Rockport Press . Очень амбициозная и полезная книга, которая объединяет исследования в области когнитивной науки с тематическими исследованиями и примерами из всех областей дизайна в серию удивительно четких и понятных двухстраничных разворотов, каждый из которых охватывает один установленный, основанный на доказательствах и практический принцип, с практические предложения, работали примеры и предлагали дальнейшее чтение. Очень стимулирующее, если вы думаете о нем как о списке инструментов с предлагаемым использованием, а не о списке правил.

Единственным недостатком является то, что этот подход требует больше размышлений, чтобы увидеть, как эти принципы применимы. Если вы ищете список произвольных правил, как, кажется, многие в сообществе данных, я бы сказал, что их нет и никогда не будет, за исключением случаев, когда люди делают массивные неоправданные предположения и обобщения или выдумывают вещи. , Прикладные исследования лучшего качества полезны, но они помогают иметь прочную основу, в которую они могут вписаться.

Большинство общих принципов Tufte, таких как Data Ink и Chart Chunk, можно проследить до основательных общих принципов, таких как отношения сигнал-шум, фигура, затухание и др., Но на пути к тому, чтобы стать специфичными для поля и предписывать, они были объединены с здоровенными предположениями и обобщениями о ваших целях и аудитории, которые превращают их в тупые инструменты. Многие из очевидных противоречий и дебатов в прикладном исследовании вовсе не являются противоречиями, если вы сделаете шаг назад, примете во внимание контекст и проработаете основные принципы и особенности каждого случая.