สาขาวิทยาศาสตร์ใดที่ศึกษาว่าผู้คนตีความข้อมูลสรุปเชิงปริมาณและการสร้างภาพข้อมูลได้อย่างไร

มีแหล่งข้อมูลที่รู้จักกันดีมากมายซึ่งให้คำแนะนำเกี่ยวกับการสร้างภาพข้อมูล (เช่น Tufte, Stephen Few และ al , Nathan Yau .) แต่สำหรับสาขาใดที่เราอาจหันไปหาคำตอบของคำถามเช่นนี้

• การวิจารณ์แผนภูมิวงกลมเกี่ยวข้องกับการปฏิบัติจริงหรือไม่? คนที่ตีความความยาวสเกลเชิงเส้นได้ดีกว่าความยาวส่วนโค้งมากหรือไม่?
• ว่าฉันสร้างสรุปดัชนีของชุดของตัวแปรพื้นฐานและอธิบายให้ผู้ชมทั่วไปทราบว่าสหรัฐอเมริกามีค่า 100 ในปี 2010 และ 110 ในปี 2015 คนส่วนใหญ่จะตีความตัวเลขเหล่านี้ได้อย่างไร มีนิสัยทางความคิดตามธรรมชาติที่ฉันควรพิจารณาเมื่อฉันนำเสนอตัวชี้วัดนี้เพื่อยกระดับคำอธิบายที่ดีขึ้นหรือเพื่อป้องกันการตีความที่ผิด?

กล่าวอีกนัยหนึ่งว่าเขตข้อมูลทางวิทยาศาสตร์ใดที่สามารถนำเสนอข้อมูลเชิงปริมาณเพื่อค้นหาหลักการที่ชัดเจนและผ่านการทดสอบซึ่งช่วยในการจัดเรียงภาพข้อมูลและคำแนะนำการออกแบบที่มีอยู่มากมายในปัจจุบัน

จุดมุ่งหมายไม่ใช่เพื่อหาคำแนะนำความคิดหรือฉันทามติในปัจจุบันเกี่ยวกับวิธีที่ดีที่สุดในการมองเห็นข้อมูลหรือเข้าหาปัญหาการสร้างภาพข้อมูลใหม่ แต่เพื่อเรียนรู้ที่จะมองหาวิทยาศาสตร์ของวิธีการที่คนตีความข้อมูลเชิงปริมาณและ / หรือภาพ

(เครดิตพิเศษสำหรับการอ้างอิงวารสารการประชุมและนักวิชาการของสาขา)

Gerd Gigerenzer ได้รับการยอมรับอย่างกว้างขวางว่าเป็นหนึ่งในผู้เชี่ยวชาญระดับโลกในด้านความรู้ความเข้าใจเกี่ยวกับการคำนวณหรืออีกทางหนึ่งคือความไร้เดียงสา เขามีเอกสารและหนังสือมากมายในหัวข้อเหล่านี้อ้างอิงในเว็บไซต์ของเขา ( https://www.mpib-berlin.mpg.de/en/staff/gerd-gigerenzer ) หนึ่งในตำราที่สำคัญของเขาคือ 2002 หนังสือของเขาที่มีความเสี่ยงจากการคำนวณ: วิธีที่จะรู้ว่าเมื่อตัวเลขหลอกคุณ อ่านบทคัดย่อได้ที่นี่: https://www.mpib-berlin.mpg.de/en/research/adaptive-behavior-and-cognition/publications/books/calculated-risks

ที่เกี่ยวข้องกับงานของ Gigerenzer คือการทำงานเชิงทฤษฎีการตัดสินใจตามความรู้ความเข้าใจที่ดูวิธีการนำเสนอข้อมูล เอกสารตัวแทนที่นี่คือภาพลวงตาแห่งความมั่งคั่งและการกลับรายการของแดนโกลด์สตีนที่นี่ ... http://rady.ucsd.edu/docs/seminars/goldstein.pdfมาจากบทนำ:

เมื่อเร็ว ๆ นี้นักวิจัยและผู้กำหนดนโยบายได้เริ่มให้ความสนใจมากขึ้นไม่เพียง แต่จะเลือกสถาปัตยกรรม แต่ยังรวมถึงสถาปัตยกรรมข้อมูลด้วย: รูปแบบที่ข้อมูลถูกนำเสนอต่อผู้คน การวิจัยในสถาปัตยกรรมข้อมูลได้แสดงให้เห็นว่าเนื้อหาแคลอรี่ของอาหารสามารถได้รับการชื่นชมอย่างดีในแง่ของปริมาณการออกกำลังกายที่ต้องใช้ในการทำงานแคลอรี่และความเข้าใจเกี่ยวกับประสิทธิภาพการใช้พลังงานของรถยนต์สามารถปรับปรุงได้โดยการนำเสนอข้อมูล เงื่อนไขของแกลลอนต่อ 100 ไมล์แทนที่จะเป็นไมล์ต่อแกลลอน บทความนี้สำรวจสถาปัตยกรรมข้อมูลแม้ว่าเราจะบริโภคพลังงานหรือน้ำมันเบนซินแทนการบริโภคแคลอรี่หรือน้ำมัน

นอกจากนี้ล่าสุดที่สำคัญในวรรณคดีคืองานวิจัยของ Berkeley Dietvorst ในเรื่อง "aversion algorithm" และการตัดสินใจ Dietvorst เชื่อว่าการสร้างแบบจำลองการทำนาย wrt เทคนิคไร้เดียงสาและ / หรือผู้ไม่รู้หนังสือมีแนวโน้มที่จะสมมติว่าแบบจำลองการทำนายนั้นเป็น "สัญลักษณ์มหัศจรรย์" หรือข้อมูลที่สมบูรณ์แบบ การแก้ปัญหาเชิงปริมาณทั้งหมด

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

จากนั้นก็มีนักเขียนบล็อกอย่าง Kaiser Fung ที่ดูแลเว็บไซต์Junkcharts ซึ่งวิเคราะห์กราฟและการสร้างภาพผับที่สำคัญเช่นNYTหรือWSJ http://junkcharts.typepad.com/

เกี่ยวข้องกับคำถามเรื่องการสร้างภาพข้อมูลของคุณเป็นผลงานของผู้เชี่ยวชาญด้านการออกแบบเช่น Manuel Lima ที่ดูแลเว็บไซต์ VisualComplexity.com ซึ่งครอบคลุมวิธีการมากมาย ลิมายังสอนการสร้างภาพข้อมูลที่ Parsons School of Design ในนิวยอร์ค http://www.visualcomplexity.com/vc/

นอกจากพาร์สันส์สถาบันการออกแบบและการสร้างภาพอื่น ๆ ได้แก่ :

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

สถาบันวิเคราะห์วัฒนธรรมของ UCLA
http://www.ipam.ucla.edu/programs/long-programs/culture-analytics/

สถาบันวัฒนธรรมของ Google https://www.google.com/culturalinstitute/home

นิทรรศการออกแบบและจอง MoMA

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

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

ในแง่ของการประชุมมีเทศกาล Eyeo http://eyeofestival.com/

ในซอฟต์แวร์ R ตัวสร้างภาพคือ Hadley Wickham http://had.co.nz/

ในซอฟต์แวร์ SAS มี Rob Allison http://www.robslink.com/SAS/graph_book.htm

สุดท้ายไม่มีการขาดแคลนเว็บไซต์ประเภท "one-off":

http://infosthetics.com/ ภาพที่ยอดเยี่ยมของข้อมูลรัฐบาล

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

http://www.informationisbeautifulawards.com/

วิธีแสดงข้อมูลอย่างไม่ถูกต้องโดย Karl Broman https://www.biostat.wisc.edu/~kbroman/presentations/IowaState2013/graphs_combined.pdf

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

บล็อก การออกแบบและการสื่อสารของ Maria Popova https://www.brainpickings.org/2012/06/26/talk-to-me-moma-paola-antonelli-book/

แกลลอรี่ของการสร้างภาพข้อมูล http://www.datavis.ca/gallery/index.php

ตารางธาตุของการแสดงข้อมูลเป็นระยะ http://www.visual-literacy.org/periodic_table/periodic_table.html

โลกของเราในข้อมูล http://ourworldindata.org/

สิ่งนี้เพิ่งจะเริ่มเกาพื้นผิวของสิ่งที่อยู่ข้างนอก ...

Psychophysicsศึกษาว่ามนุษย์ตอบสนองและตีความสิ่งเร้าอย่างไรรวมถึงการตีความการสร้างภาพข้อมูล ตัวอย่างกระดาษคลีฟแลนด์และแมคกิลล์ที่เชื่อมโยงในความคิดเห็นเป็นตัวอย่างและส่วนที่สองของบทความนี้ให้ภาพรวมอย่างรวดเร็วของมุมมองบางประการ

ตัวเลขหรือคณิตศาสตร์ความรู้ความเข้าใจเป็นย่อยระเบียบวินัยขององค์ความรู้ทางวิทยาศาสตร์ว่าการศึกษาสิ่งที่ต้องการความรู้สึกเชิงจำนวน บางครั้งมันยืมแนวคิดจาก psychophysics เช่นขนาดของ Fechnerซึ่ง "กล่าวว่าความรู้สึกส่วนตัวเป็นสัดส่วนกับลอการิทึมของความเข้มของการกระตุ้น" คำอธิบายของวิกิเกี่ยวกับแนวคิดที่ใช้กับการรับรู้เชิงตัวเลข:

การศึกษาทางจิตวิทยาแสดงให้เห็นว่าการแยกแยะตัวเลขสองตัวนั้นยากขึ้นเนื่องจากความแตกต่างระหว่างพวกเขาลดลง สิ่งนี้เรียกว่าเอฟเฟกต์ระยะทาง สิ่งนี้มีความสำคัญในด้านการประมาณขนาดเช่นการจัดการกับเครื่องชั่งขนาดใหญ่และการประมาณระยะทาง นอกจากนี้ยังอาจมีบทบาทในการอธิบายว่าทำไมผู้บริโภคละเลยที่จะซื้อสินค้าเพื่อประหยัดค่าใช้จ่ายเล็กน้อยในการซื้อจำนวนมาก แต่จะซื้อสินค้ารอบ ๆ เพื่อประหยัดค่าใช้จ่ายจำนวนมากในการซื้อสินค้าขนาดเล็ก

ที่เกี่ยวข้องในเชิงเศรษฐศาสตร์พฤติกรรมทฤษฎีว่าด้วยการคาดหวัง ( กระดาษต้นฉบับ ) ตรวจสอบทางเลือกของมนุษย์ระหว่างความเสี่ยงทางเลือกที่น่าจะเป็น