• Основен
  • Новини
  • Любимите ни визуализации на данни на Pew Research Center от 2019 г.

Любимите ни визуализации на данни на Pew Research Center от 2019 г.

Графичният екип на Pew Research Center създава стотици диаграми, карти и други визуализации на данни всяка година. Ние разчитаме на тези визуални ефекти, за да съобщаваме резултатите от нашите изследвания ясно и кратко. В същото време се опитваме да направим нашите констатации визуално привлекателни за читателите.


И така, какво прави една успешна графика? Най-общо казано, той трябва да има ясна храна, да ангажира читателите и да показва слоеве информация извън непосредствената точка, която първо привлича вниманието. Графиката също трябва да бъде смилаема за читателите на малък екран, особено след като смартфоните и приемането на интернет станаха толкова широко разпространени.

Преди всичко графиките трябва да разказват история за нашето изследване, независимо дали става въпрос за промяна на демографските данни или променящите се политически ценности на американците. Тъй като 2019 приключва, ето някои от любимите ни графики на годината, с някои бележки за това какво е влязло в тяхното изработване.

Малки кратни, за да откарат вкъщи точка

Често използваме „малки кратни“, които са метод за показване на един и същ тип диаграма в решетъчно оформление, за да комуникират множество серии от данни в компактна област. Има няколко причини това да е ефективен подход, включително лекота на етикетиране и възможността да се включат много точки от данни, без да се претоварва читателят, като се постави всичко в една и съща диаграма.

Графика, показваща опасения относно изменението на климата, използва тази техника с голям ефект по-рано тази година. Би било трудно, ако не и невъзможно, ясно да обозначите всеки от 10-те реда в тази графика, ако всички бяха на една и съща диаграма. Редовете биха се припокрили и основният извод на диаграмата - че хората във всяка от 10-те показани държави, които са показани, са станали по-загрижени за заплахата от изменението на климата от 2013 г. - може да е загубен.


Малкият многостранен подход не работи за всеки набор от данни, но когато го направи, той може да бъде особено ефективен при показване на тенденции за различни групи или държави, без да кара читателя да премине през трудноразбираеми етикети. Тук фактът, че линиите на тенденциите се движат в една и съща посока, добавя към въздействието на графиката.



Федерални работници в червените и сините конгресни квартали

Преди година федералното правителство беше в разгара на най-продължителното си частично спиране. След като стотици хиляди федерални работници се изсмяха, се чудехме дали има някаква разлика в средния брой федерални служители в кварталите на House, държани от републиканците, спрямо тези, държани от демократите. Установихме, че федералните работници са представени доста равномерно от всяка страна. За да покажем това, използвахме картограма на окръжните конгреси, показваща общото разпределение на федералните работници и разпределяйки ги от партията на техния избран представител.


Тъй като този тип визуализация може да е нов за читателите, включихме малък ключ в горната част, показващ как типична карта на Съединените щати се превежда в картограма. В самата картограма всеки конгресен район е представен от еднакво голяма площ, а не от действителната си географска площ. Това предотвратява визуалното свръхпредставяне на области, които обхващат голяма част от района, но имат малко население, както и обратното. В географски точна карта 8-ият конгресен окръг във Вирджиния - който обхваща малка земя в и около Александрия, но е дом на най-много федерални служители от който и да е окръг Хаус - почти ще изчезне. Използвайки картограма и оразмерявайки еднакво всички области на Конгреса, можем лесно да видим, че район Александрия се откроява по броя на федералните работници.

Графична площ с обрат

Политическата идентичност е ключов елемент на много от нашите констатации, свързани с политиката на САЩ, а партийността е преобладаващото разделение във възгледите на обществеността по политически въпроси. Но не всички в САЩ се идентифицират с една от двете основни политически партии. Всъщност самоидентифицираните независими членове съставляват около 38% от пълнолетните в САЩ, броейки независими, които се „наклоняват“ към едната или другата партия.


За доклад за политически независими американци искахме да визуализираме две неща: колко голям дял от населението се смята за независимиколко малко в тази група са „истински“ независими - т.е. възрастни, коитоненаклонете се към някоя от страните.

За да направим това, ние изградихме доста стандартна областна диаграма с резени, за да представим републиканците, демократите и онези, които се смятат за нито едното, нито другото. Тъй като докладът беше фокусиран върху независими, ние подчертахме, че 38% филия с дебел черен контур. В комбинация с наситените цветове на партийните идентификатори, това доведе до това, че централната част на диаграмата „изскочи“. Това е първото нещо, което забелязвате, когато погледнете графиката. След това, в рамките на тази централна част на класацията, ние избухнахме „наклонени“ и тези, които отказват да се наклонят към парти.

Вземането на диаграмата е, че тези, които се наричат ​​независими, са голяма група, но истински независимите - тънкият, сив парче американци в средата на графиката - са малка група, чийто дял от населението не се е променил много с течение на времето .

Анимирани, коментирани свързани скатер плотове

Един от докладите на Центъра за подпис всяка година измерва ограничения и социални вражди спрямо религията по целия свят. За десетото издание на този доклад дизайнерите и изследователите искаха силен визуален разказ, който да преведе читателите през 10-годишни данни. Резултатът беше този интерактивен.


В допълнение към анимирана персонализирана картограма и малки множители, интерактивът използва свързани скатер плотове. Свързаният скатер не е нова идея: Дизайнерът може да използва този формат, за да покаже промяна във времето по двете оси, а не само по една (както би направила линейна диаграма). Свързаните разпръснати участъци обаче идват с предизвикателства. Това не е често срещан тип визуализация, така че читателите може да не са запознати с начина на четене. И съществува риск от погрешно тълкуване, тъй като обикновено читателите очакват да прочетат времеви редове отляво надясно. За да смекчим тези опасения, използвахме анимация.

Първо, когато се появи първоначалният разпръснат график, се показва само една точка от данни, заедно с обяснение какво представлява. Докато четецът превърта надолу, се появява друга анотация, описваща данните и начина на четене на диаграмата. Когато пълният разпръснат график се появи на екрана, линията, свързваща всяка точка, се анимира, подчертавайки последователно всяка нова година, както се появява на диаграмата. Повтаряме тази техника за няколко страни през целия интерактив, засилвайки начина на четене на диаграмата. Използването на анимация ни позволява да показваме всички данни - но не всички наведнъж, за да не бъдем поразителни.

Как компютърът може да „види“ някого като мъж или жена

Изследователският център Pew все повече използва изчислителни техники за социални науки, за да изучава света, което означава, че все повече се нуждаем и от визуални обяснения на тези сложни подходи. За един скорошен проект, използващ мащабен онлайн анализ на изображения, искахме да обясним по ангажиращ начин как работи машинното зрение, като същевременно демонстрираме своите клопки и ограничения. За да направим това, разработихме интерактивна функция, която позволява на потребителите да се опитат да задействат алгоритъм, който класифицира снимките като изобразяващи мъж или жена.

Тази визуализация представи няколко предизвикателства. Единият беше, че машинното обучение е сложна концепция, което прави изключително важно дизайнерите и изследователите да използват прости визуални и текстови обяснения. Друго беше, че изображенията, които обикновено се използват за създаване на такива алгоритми, може да не са подходящи за публикуване, отчасти защото снимките може да са твърде зърнести или с ниско качество. За да се справим с този проблем, решихме да направим визуално последователни, висококачествени снимки на собствения ни персонал.

Полученият интерактив използва прост визуален интерфейс - мрежа от цветни квадратчета, поставени върху всяка снимка - за да покаже как покриването на малка част от снимка може да доведе до промяна на първоначалната класификация на изображението от мъж на жена или обратно. Както при свързаните разпръснати участъци, ние използвахме анимация и интерактивност, за да създадем ясна последователност, през която читателите могат да преминат със собствено темпо. Интерактивът разкри, че класификациите на алгоритъма често зависят от привидно произволни входове.