• Hlavná
  • Novinky
  • Naše obľúbené dátové vizualizácie Pew Research Center z roku 2019

Naše obľúbené dátové vizualizácie Pew Research Center z roku 2019

Grafický tím v spoločnosti Pew Research Center každý rok vytvára stovky grafov, máp a ďalších vizualizácií údajov. Sme závislí na týchto vizuáloch, aby sme jasne a stručne informovali o svojich zisteniach z výskumu. Zároveň sa snažíme, aby naše zistenia boli pre čitateľov vizuálne príťažlivé.

Čo teda vedie k úspešnej grafike? Všeobecne povedané, musí mať jasný prístup, zaujať čitateľov a zobrazovať vrstvy informácií mimo bezprostredného bodu, ktorý ako prvý upúta pozornosť. Grafika musí byť čitateľná aj pre čitateľov na malej obrazovke, najmä preto, že sa tak veľmi rozšírili smartphony a adopcia cez internet.

Grafika by mala predovšetkým rozprávať príbeh o našom výskume, či už ide o zmenu demografických údajov alebo zmenu politických hodnôt Američanov. Ako končí rok 2019, tu sú niektoré z našich najobľúbenejších grafík roka s niekoľkými poznámkami o tom, čo ich pri vytváraní.

Malé násobky, ktoré vám dovezú domov bod

Na komunikáciu viacerých údajových radov v kompaktnej oblasti často používame „malé násobky“, čo je metóda zobrazenia rovnakého typu grafu v mriežkovanom rozložení. Existuje niekoľko dôvodov, prečo ide o efektívny prístup, vrátane ľahkého označovania a schopnosti zahrnúť veľa údajových bodov bez toho, aby čitateľa ohromili tým, že uvedú všetko do jedného grafu.

Obrázok ukazujúci obavy z klimatických zmien využil túto techniku ​​na veľký efekt začiatkom tohto roka. Bolo by ťažké, ak nie nemožné, jasne označiť každý z 10 riadkov v tejto grafike, ak by boli všetky v rovnakom grafe. Čiary by sa prekrývali a hlavný únik tabuľky - to, že ľudia v každej z 10 krajín, ktoré boli predmetom prieskumu, sa od roku 2013 začali viac zaujímať o hrozbu zmeny podnebia - sa mohol stratiť.

Prístup viacerých metód nefunguje pre každú množinu údajov, ale ak áno, môže byť obzvlášť efektívny pri ukazovaní trendov v rôznych skupinách alebo krajinách bez toho, aby čitateľ brodil ťažko rozlúštiteľnými štítkami. Skutočnosť, že sa trendové čiary pohybujú rovnakým smerom, zvyšuje tu vplyv na grafiku.



Federálni pracovníci v červených a modrých volebných okrskoch

Pred rokom bola federálna vláda uprostred svojej najdlhšej čiastočnej odstávky. Pri státisícoch federálnych zamestnancov, ktorých sme zamestnávali, nás zaujímalo, či existuje rozdiel v priemernom počte federálnych zamestnancov v okresoch House, ktoré majú republikáni, oproti tým, ktoré majú demokrati. Zistili sme, že federálni pracovníci sú zastúpení každou stranou pomerne rovnomerne. Aby sme to ukázali, použili sme kartogram kongresových obvodov, ktorý ukazuje celkové rozdelenie federálnych pracovníkov a rozdelí ich stranou ich voleného zástupcu.

Pretože tento typ vizualizácie môže byť pre čitateľov nový, v hornej časti sme vložili malý kľúč, ktorý ukazuje, ako sa typická mapa Spojených štátov prekladá do kartogramu. Na samotnom kartograme je každý okrsok predstavovaný rovnako veľkou oblasťou ako skutočnou geografickou oblasťou. Tým sa zabráni vizuálnemu nadmernému zastúpeniu okresov, ktoré pokrývajú veľkú oblasť, ale majú malý počet obyvateľov, ako aj naopak. Na geograficky presnej mape by 8. okrsok vo Virgínii - ktorý pokrýva malú pevninskú oblasť v Alexandrii a jej okolí, ale je domovom najviac federálnych zamestnancov v ktorejkoľvek štvrti House - okrem toho, že zmizol. Použitím kartogramu a rovnakou veľkosťou všetkých kongresových obvodov ľahko zistíme, že okres Alexandria vyniká počtom federálnych pracovníkov.

Plošný graf so zvratom

Politická identita je kľúčovým prvkom mnohých našich zistení týkajúcich sa politiky USA. Partizánstvo je hlavným rozdielom v názoroch verejnosti na politické otázky. Nie všetci v USA sa ale stotožňujú s jednou z dvoch hlavných politických strán. Samostatne identifikovaní nezávislí ľudia tvoria v skutočnosti asi 38% dospelých v USA, čo predstavuje počet nezávislých osôb, ktoré sa „prikláňajú“ k jednej alebo druhej strane.

Pri správe o politicky nezávislých Američanoch sme chceli predstaviť dve veci: aký veľký podiel obyvateľstva sa považuje za nezávislýaako málo v rámci tejto skupiny je „skutočných“ nezávislých - teda dospelých, ktorínieprikláňať sa k jednej alebo druhej strane.

Aby sme to dosiahli, vytvorili sme pomerne štandardný plošný graf s plátkami, ktorý zastupuje republikánov, demokratov a tých, ktorí si o sebe myslia, že ani jeden z nich. Keďže sa správa zamerala na nezávislých, zvýraznili sme tento 38% výsek so silným čiernym obrysom. V kombinácii s nasýtenými farbami identifikátorov strán to malo za následok to, že sa stredová časť tabuľky stala „pop“. Je to prvá vec, ktorú si všimnete pri pohľade na grafiku. Potom sme v tejto centrálnej časti tabuľky prelomili „štíhlych ľudí“ a tých, ktorí sa odmietli prikloniť k večierku.

Z grafu vyplýva, že tí, ktorí sa nazývajú nezávislí, sú veľkou skupinou, ale skutočne nezávislí - tenký, sivý plátok Američanov v strede tabuľky - je malá skupina, ktorej podiel obyvateľstva sa v priebehu času príliš nezmenil .

Animované, anotované pripojené bodové grafy

Jedna z podpisových správ centra každý rok meria obmedzenia a spoločenské nepriateľstvo voči náboženstvu na celom svete. Pre 10. vydanie tejto správy chceli dizajnéri a vedci silný vizuálny príbeh, ktorý prevedie čitateľov 10 ročnými údajmi. Výsledkom bol tento interaktívny.

Okrem animovaného vlastného kartogramu a malých násobkov interaktívne využíva aj pripojené scatterploty. Pripojený bodový graf nie je nový nápad: Návrhár môže použiť tento formát na zobrazenie zmeny v čase na oboch osiach, a nie iba na jednej (ako je to v prípade čiarových grafov). Prepojené scatterploty však prichádzajú s výzvami. Nejde o bežný typ vizuálu, takže čitatelia nemusia byť oboznámení s tým, ako ho čítať. A existuje riziko nesprávnej interpretácie, pretože čitatelia zvyčajne očakávajú, že budú čítať časové rady zľava doprava. Na zmiernenie týchto obáv sme použili animáciu.

Po prvé, keď sa objaví počiatočný bodový graf, zobrazí sa iba jeden údajový bod spolu s vysvetlením, čo predstavuje. Keď sa čítačka posúva nadol, zobrazí sa ďalšia anotácia, ktorá popisuje údaje a spôsob čítania grafu. Keď sa na obrazovke zobrazí celý bodový graf, čiara spájajúca každý bod sa animuje a každý nový rok sa postupne zvýrazní tak, ako sa zobrazuje v grafe. Túto techniku ​​opakujeme pre niekoľko krajín v rámci interaktívneho obsahu, čím posilňujeme spôsob čítania tabuľky. Používanie animácie nám umožňuje zobraziť všetky údaje - ale nie všetky naraz, aby sme neboli ohromení.

Ako môže počítač niekoho vidieť ako muža alebo ženu

Centrum Pew Research Center čoraz viac využíva na štúdium sveta výpočtové techniky v oblasti spoločenských vied, čo znamená, že čoraz viac potrebujeme aj vizuálne vysvetlenie týchto zložitých prístupov. Pre nedávny projekt využívajúci rozsiahlu online analýzu obrazu sme chceli pútavým spôsobom vysvetliť, ako funguje strojové videnie, a zároveň preukázať jeho úskalia a obmedzenia. Aby sme to dosiahli, vyvinuli sme interaktívnu funkciu, ktorá používateľom umožňuje vyskúšať algoritmus, ktorý klasifikuje fotografie ako zobrazujúce muža alebo ženu.

Táto vizualizácia predstavovala niekoľko výziev. Jedným z nich bolo, že strojové učenie je zložitý koncept, takže pre dizajnérov a výskumných pracovníkov je zásadné používať jednoduché vizuálne a textové vysvetlenia. Ďalším problémom bolo, že obrázky, ktoré sa zvyčajne používajú na vytvorenie takýchto algoritmov, nemusia byť vhodné na zverejnenie, čiastočne preto, že fotografie môžu byť príliš zrnité alebo nekvalitné. Pri riešení tohto problému sme sa rozhodli urobiť vizuálne konzistentné a kvalitné fotografie našich zamestnancov.

Výsledný interaktívny program používa jednoduché vizuálne rozhranie - mriežku farebných štvorcov umiestnených nad každou fotografiou - na to, aby ukázal, ako môže zakrytie malej časti fotografie spôsobiť, že algoritmus zmení pôvodnú klasifikáciu obrazu z muža na ženu alebo naopak. Rovnako ako v prípade prepojených bodových grafov sme pomocou animácie a interaktivity vytvorili jasnú sekvenciu, v ktorej mohli čitatelia kráčať svojim vlastným tempom. Interaktív odhalil, že klasifikácie algoritmu často záviseli od zdanlivo ľubovoľných vstupov.

Facebook   twitter