这篇文章是 ISC 的一部分 变换21 系列,其中包含来自我们的科学家和变革者网络的资源,以帮助为实现气候和生物多样性目标所需的紧急转型提供信息。
在过去一年左右的时间里,世界各地的许多人已经习惯于在他们的新闻提要中看到带有 COVID-19 统计数据的图表,但在有效传达关键信息方面,并非所有图表都是平等的。
多年来,研究人员一直在研究数据呈现的不同方面如何影响受众。 他们从不同的角度看待这个问题,例如以什么顺序查看哪些组件以及查看原因,以及文本、图表或地图是否更吸引人且易于理解。 这些不同的研究问题已经使用多种方法得到解决,从跟踪观众眼球运动到调查和社交媒体民意调查。 从这一系列研究中,我们获得了宝贵的见解,可以帮助使数据可视化成为更有效的沟通工具。
在设计数据可视化时要考虑的一个有用框架遵循受众与所呈现信息的广泛交互过程:(a) 首先是受众 察觉 信息 (b) 然后他们 认为 关于 信息,以及 (c) 然后进行某种更改或 的影响 由于这些想法而发生。
假设您的数据可视化是在目标受众可能看到的时间和地点呈现给他们的,那么您的受众需要能够感知和区分可视化的每个关键组件,以便辨别其含义。
感知往往是按顺序发生的,遵循 视觉层次 基于任何对象(包括地图和图表)的以下特征的注意力:大小、颜色、对比度、对齐、重复、接近度、空白以及纹理和样式。 在这些元素中的每一个内都有进一步的子层次结构。 例如,人们往往会在较小的元素之前注意到大元素,在柔和的元素之前会注意到明亮的颜色。 同样,戏剧性的对比成分比那些对比度较低的成分更容易被注意到。
这些分层元素的效果可能会受到感知挑战的影响,应仔细考虑以确保它们能够宣传您的信息,而不是使您的听众感到困惑或分散注意力。 有一系列不同的感知挑战会影响数据可视化的有效性,但您知道实际上存在 七种不同形式的色盲? 您甚至可以通过 色盲模拟器 看看有这些挑战的人会如何看待它。
当你的听众思考并从他们感知的信息中获得意义时,这被称为认知处理。 它包括思考、认识、记忆、判断和解决问题; 在处理与可视化数据相关的信息时,可以使用其中的任意数量。
您可以做一些事情来帮助鼓励从数据可视化中获得所需的含义解释,包括提供作为主要信息的图表标题,而不仅仅是对内容的描述。 诸如“城市中较高数量的绿色植被与较低的夏季温度有关”之类的标题在指导意义制定方面比将同一图表命名为“澳大利亚城市中的绿色植被和温度”要有效得多。
一些可能需要数据可视化的主题领域也可能具有应考虑的潜在心理社会(心理、社会和/或政治)因素。 气候变化尤其如此,这是一个高度政治化的问题,在一些国家非常两极分化。 在展示与气候变化相关的数据时,一些有价值的提示包括:
同样重要的是要认识到人们通常更容易记住意义而不是细节。 这意味着人们更有可能记住一种趋势——比如它变得“更糟”或“更好”、“增加”或“减少”——但可能不记得增加或减少的具体数量或速度。
查看您的数据可视化的观众可能会产生一系列可能的影响。 这些可能是思想上的变化(例如,意识、理解、态度或关注),或行为上的变化(例如,寻求信息、与他人讨论,甚至采用气候友好型行为)。 通过确保您的信息清晰和相关,将提高由于数据可视化而发生变化的可能性,其中清晰性将来自有效解决感知和认知考虑,相关性将来自适当的信息框架和对心理社会因素的考虑。 了解您想要实现的改变类型对于确定如何最好地将这些不同因素整合到您的工作中至关重要。
虽然大多数希望呈现复杂科学数据的人倾向于想到图表、图形、地图和信息图表,但也可以呈现信息以供其他感官感知,例如通过声音。 一些研究人员一直在测试数据声化作为视觉数据表示的替代方案。 Sonification 获取每个数据点并应用可以区分趋势的声音元素的混合(例如,音高、音量和乐器的选择)以提供信息的音频表示。 NASA 这样做是为了让人们可以“聆听” 银河系,莫纳什大学气候变化传播研究中心的研究人员已对 旋风黛比2017年在澳大利亚各地的活动。
根据对数据可视化研究的回顾,开发了免费的最佳实践指南。 希望它将帮助您决定如何最好地呈现您的数据以实现有效的感知、认知和影响。 您可以访问 最佳实践数据可视化:指南和案例研究 在 蒙纳士气候变化传播研究中心网站.
露西·理查森
Lucy Richardson 博士在位于澳大利亚墨尔本库林国家土地上的莫纳什大学莫纳什气候变化传播研究中心工作,并且是 英联邦期货气候研究队列 由英联邦大学协会和英国文化协会成立,旨在支持 26 名新星研究人员在 COP26 之前将本地知识带入全球舞台。
标题图像由 NASA 的科学可视化工作室创建,以支持 NASA 科学家为 COP26 进行的一系列演讲。 这是一段视频的剧照,从三个维度展示了大气并突出了二氧化碳的积累2 在一个日历年内。 您可以观看可视化并了解有关它所基于的数据的更多信息 这里。.