清晰展示数据的五个技巧

人们常说一幅图胜过千言万语,在科学领域,这句话再贴切不过了。很难想象有哪一篇论文、教科书或研究报告不依赖于数字或图表来帮助解释数据。“图像的部分作用在于,它可以比文字更有效、更清晰、更准确地传达思想,”他说米凯拉Livingstone-Banks他是英国牛津大学公共和社区参与研究(MPLS部门)的负责人。但是,虽然好的图形可以帮助我们轻松地理解复杂的信息,但设计糟糕的图像可能会令人困惑或误导。在这里,专家解释了常见的陷阱以及如何避免它们。

表达清晰简洁

在生成数据时,总是有一种诱惑,即尽可能多地包含来之不易的数据。然而,最好的图片往往是相对简单和整洁的,只有一个清晰可识别的信息。“删除与你的信息无关的细节和图表垃圾非常重要,”他说特蕾西Weissgerber她是柏林卫生研究所QUEST负责任研究中心的小组负责人,网址是Charité - Universitätsmedizin德国柏林。“当你在同一个图形中有很多信息时,眼睛不知道该看哪里。”Avoiding unnecessary data points and clutter can help to focus an image but missing information can be just as confusing. Labels, legends, keys and annotations are all valuable supporting elements that are necessary to help the reader navigate the image. ‘It can be helpful to ask, “what information do I need to understand this figure?” and make sure that information is clearly visible and labelled,’ says Weissgerber.

了解你的听众

利文斯通-班克斯说:“科学家有很多很好的理由与不是同行的观众交流。”与企业、消费者甚至学生的互动对于维护公众对科学研究的兴趣和信任都是有价值的,而图像通常是一种比文本更吸引人的分享信息的方式。每个群体都有不同的需求,你的图像中的色调、目的和信息水平都需要调整,以确保它们适合目标受众。利文斯通-班克斯解释说:“如果你试图为几个观众做一件事,你实际上是在损害这件事对每个人的吸引力和用处。”在脑海中有一个清晰的信息,了解不同的人与科学的关系,这有助于你的形象设计的重点。利文斯通-班克斯建议:“一个真正好的开始是与你的目标受众中的人交谈。”“如果你坐下来,开始描绘出特定的想法,那么你很快就会发现他们觉得有趣的是什么,以及他们是如何在脑海中想象的。”

想想你的身材类型

收集结果和数据是科学家的第二天性,但找出最有效的方式来呈现这些信息可能是一个惊人的挑战。有这么多不同类型的图表,通常很难知道哪一个最能强调数据的关键部分。魏斯戈伯说:“一个常见的错误是人们用柱状图来呈现连续的数据。”“柱状图很适合用于统计或比例,但它是一种汇总统计,所以如果你用它来表示连续数据,那么你就会失去关于样本范围和分布的丰富信息。”

通过将原始数据作为补充信息,可以部分地减轻信息丰富性的损失。但在某些情况下,损害可能已经造成。“汇总统计数据可能会得出与实际数据点不同的结论。这是图表误导人的一种方式。”魏斯戈伯解释道。在研究人员中创造一个环境,让人们能够自在地批评和要求反馈是重要的一步,Weissgerber建议与研究小组的其他成员讨论新数据。Weissgerber说:“越来越多的在线工具可以筛选预印本和手稿,以突出好的和坏的可视化实践。”

在横断面或实验研究中进行组间比较

来源:©2019 Tracey L Weissgerber等人

使用图表的最佳类型取决于您收集的数据类型

仔细选择颜色

色彩对科学图像来说是一种有价值的补充,但由于大约4%的人有某种色彩视觉缺陷,我们如何使用它对谁能够解释数据有重大影响。“颜色是一个非常有用的工具,可以让你突出特定的细节或引导眼睛,”德国布伦瑞克技术学院(Technische Universität Braunschweig)的博士后研究员菲利克斯·卡斯帕(Felix Kaspar)说。“但考虑颜色所起的作用是很重要的。它是支持元素还是实际上代表信息?”

可用的感知均匀的彩色地图和不均匀的彩虹

来源:©2020 Fabio Crameri等

有许多类型的色觉缺陷,但有可供所有人使用的配色方案

为了让所有人都能获取,所有用颜色编码的信息仍然需要在灰度中被感知。但对于许多最流行的配色方案来说,情况并非如此。“彩虹是许多程序的默认设置,但红色和绿色对许多人来说并没有区别,”解释说法比奥Crameri她是瑞士Undertone.design的自由研究员和平面设计师。“不一致的梯度也扭曲了基础数据。”Kaspar and Crameri recommend using scientific colour palettes to avoid these problems. These colour schemes have a property known as perceptual order, meaning the change in colour properties (hue, saturation, and lightness) is consistent along the scale and the data remains accessible with or without colour. ‘Most software packages give you the option to select or import a scientific colour scheme,’ says Crameri. ‘There are lots of资源你可以直接下载。”

科学得出的彩色地图的优越性

来源:©2020 Fabio Crameri等

喷射配色方案(左)通常用于显示数据,但对于有多种色彩视觉缺陷的人来说,它使图像不清晰。具有感知顺序(右图)属性的配色方案更合适

寻求帮助

令人惊讶的是,大多数科学课程不包括任何统计或数据可视化培训,这是Weissgerber认为的一个重大疏忽。她说:“在许多领域,糟糕的视觉效果是标准做法,所以人们只是认为这就是原因。”“我认为让科学家接受良好的可视化训练非常重要,我鼓励学生参加研讨会或课程来填补这方面的知识空白。”Weissgerber的可视化课程ReproducibiliTeach现在可以在YouTube

但即使已经决定了你的图形设计,从头开始创建图形本身似乎也是一项艰巨的任务。利文斯通-班克斯说:“如果可以的话,花钱请专家通常是值得的,但显然,这并不总是可行的。”大多数学术部门都有专门的IT团队,他们将能够提供一些关于软件培训和最佳实践的技术支持,因此值得找出可用的帮助。利文斯通-班克斯说:“还有像Canva这样的程序,它们有很多现成的模板,你可以用它们来制作信息图、海报和其他科学图形。”