Kodėl vaivorykštės spalvos nėra geriausias pasirinkimas duomenų vizualizavimui

Duomenų vizualizacijos yra gražūs, jaudinantys istorijų pasakojimo būdai. Tačiau kurdami žemėlapį ar diagramą turite rinktis atsargiai, o viena didžiausių klaidų yra netinkamas vaivorykštės spalvų naudojimas.

Vaivorykštės spalvų schemos (dar vadinamos spektrinėmis spalvų schemomis) yra dažnas pasirinkimas vizualizuoti duomenis tiek dėl to, kad jos atrodo drąsiai ir įdomiai, tiek dėl to, kad jos yra numatytosios daugelyje vizualizacijos programinės įrangos įrankių. Tačiau dažniausiai jie daro daugiau žalos nei naudos. Visiškai aptikti spalvas yra problema daugiau skaitytojų, nei galėtumėte spėti, o likusiai auditorijai bus lengviau suprasti vizualizaciją, jei ji pateikiama su kita palete.

Vaivorykštės spalvų schemos yra „beveik visada neteisingas pasirinkimas “, – rašė Pensilvijos valstijos universiteto geografijos profesorius Anthony C. Robinsonas internetinėje pamokoje „Coursera“, kurios metu studentai buvo mokomi, kaip naudoti geoerdvines technologijas duomenims atvaizduoti.

Štai keletas priežasčių, kodėl vaivorykštės spalvos yra „neteisingas pasirinkimas“:

Daltonizmas ir spalvų užsakymas

Daltonakliems žmonėms sunku aptikti spalvas, ypač raudoną ir žalią. (Bandyti šis spalvų matymo testas kad pamatytumėte, ar esate vienas iš jų.) Daltonizmas paveikia vyrų iki 10 proc . Tai reiškia, kad jei pateikiate vaizdus šimtų tūkstančių auditorijai, prarandate didelę auditorijos dalį.

Nors dauguma žmonių nėra daltonikai, vaivorykštės spalvų schemos gali būti klaidinančios, nes nėra aiškios „didesnis nei“ arba „mažiau nei“. “ logika spalvų išdėstymui, perspėja kompiuterių mokslo tyrinėtojai Davidas Borlandas ir Russellas M. Tayloras II. Žmonės paprastai sutaria dėl perėjimo nuo šviesios iki tamsos, tačiau spalvas rūšiuoja skirtingai, kaip parodyta čia:

„Jei žmonėms bus duodama pilkų dažų drožlių serija ir paprašoma jas sutvarkyti, jie nuolat išdėstys juos iš tamsos į šviesą arba nuo šviesios į tamsą. Tačiau jei žmonėms duodami raudonos, žalios, geltonos ir mėlynos spalvos dažų drožlės ir paprašoma jas sutvarkyti, rezultatai skiriasi“, tyrėjų teigimu Davidas Borlandas ir Russellas M. Tayloras II , kompiuterių mokslų profesorius Šiaurės Karolinos universitete Chapel Hill.

Pokyčius gali būti sunku pastebėti

Vizualizacijos pasakoja apie duomenų pasikeitimus; jų darbas yra supaprastinti sudėtingus modelius į iliustraciją, kuri leistų suprasti – idealiu atveju iš pirmo žvilgsnio – kas vyksta. Tačiau žmogaus akys nesugeba aptikti skirtingų spalvų kraštų, sėdinčių greta. Mes geriau matome nedidelius pokyčius vienos spalvos diapazone, nes skaisčio ir sodrumo reikšmės sklandžiai keičiasi ten, kur spalvos nesikeičia, rašė Robertas Kosara , vizualinės analizės tyrėjas Paveikslėlis ir ekspertas, kaip matome spalvas, savo asmeninėje svetainėje EagerEyes.

Detalės labai greitai tampa techninės, tačiau pagrindinė pamoka yra ta, kad vaivorykštės spalvos skiriasi tik tada, kai keičiasi tikroji spalva. spalvų gradientai leisti žmonėms matyti laipsniškus pokyčius.

Jūsų auditorijai bus sunku atskirti niuansus, jei naudosite vaivorykštės spalvas, o ne laikysitės vienos spalvos graduotos skalės.

Klaidinančios išvados

Priklausomai nuo jūsų auditorijos, neteisingas pasirinkimas gali turėti rimtų pasekmių. Į Harvardo tyrimas , mokslininkai nustatė, kad 2-D širdies arterijų diagramos, kuriose naudojamas gradientas nuo juodos iki raudonos, buvo veiksmingesnės diagnozės nustatymo priemonės nei 3-D modeliai, naudojantys vaivorykštės spalvas. Klinikiniai tyrimai parodė, kad diagramos, kuriose buvo naudojamas gradientas, padidino gydytojų aterosklerozės ir širdies ligų diagnozių tikslumą nuo 39 iki 91 procento.

2-D arterijų diagramų su juodos ir raudonos spalvos gradientais ir 3-D vaivorykštės spalvos modelių efektyvumo palyginimas. (Vaizdai: Michelle Borkin / Harvardo inžinerijos ir taikomųjų mokslų mokykla)

Ne kiekviena duomenų vizualizacija naudojama atliekant svarbius medicininius skambučius, tačiau vaivorykštės spalvos gali suklaidinti, kai žurnalistai jas naudoja neteisingai rodydami kiekybinius duomenis.

'Vaivorykštės spalvos nėra blogos, jei jas naudojate kategoriškiems duomenims', - sakė Drew Skau, vizualizacijos architektas. Visual.ly , vaizdo interviu sakė Poynter. „Jie yra blogi, jei juos naudojate nuolatiniams duomenims pavaizduoti.

Koks skirtumas? Ištisiniai duomenys yra kiekybiniai ir apibūdinami skaičiais; kategoriniai duomenys yra kokybiniai ir apibūdinami žodžiais. Pavyzdžiui, palyginkite šias grupes:

• Egzotiški augintiniai: šinšilos, ocelotas, skorpionai, šnypštantys tarakonai, pitonai
• Temperatūra Farenheitais: -459,67 °F, 32 °F, 212 °F
• Rinkėjų balsai per rinkimus: 206, 270, 332

Egzotiški augintiniai yra susiję vienas su kitu, bet ne ištisiniai – jūs negalite išmatuoti skirtumo tarp šinšilos ir oceloto. Kita vertus, temperatūros rodmenys yra nuolatiniai - tai skaičiai skalėje su išmatuojamais atstumais.

Rinkėjų balsai yra nuolatiniai duomenys, tačiau jie taip pat skiriasi. Norime sužinoti, koks yra vidurio taškas (270 rinkėjų balsų), nes laimi tas, kuris surinks daugiau nei 50 procentų balsų. Taigi duomenų vizualizacija paprastai rodo mėlyną, kad viename gale atvaizduotų demokratus, o kitame – raudona respublikonams, o tai yra idealus būdas pateikti skirtingus duomenis.

Šis Robinsono pratimas parodo, kaip dėl spektrinių spalvų daug sunkiau atskirti tviterį (tai yra kiekybiniai duomenys) per 2012 m. prezidento rinkimus:

Šiame žemėlapyje, naudojant spektrines spalvas, parodyta Obamos ir Romney tviterinių pranešimų iš 2012 m. prezidento rinkimų apimtis.
(Nuotrauka: Dr. Anthony C. Robinson / Penn State)

Čia yra tas pats žemėlapis, bet Robinsonas pakeitė vaivorykštės spalvas į vieną atspalvį (violetinę) su skirtingu sodrumu.

(Nuotrauka: Dr. Anthony C. Robinson / Penn State)

Tačiau vaivorykštės spalvos dažnai naudojamos kiekybiniams duomenims iliustruoti, net ir pagal NASA mokslininkai. Akademikai ragino mokslo bendruomenę nustoti naudoti spektrines spalvas, o mokslininkai ir inžinieriai ragino nerimauja dėl tikslumo spalvų naudojimo. Kaip žurnalistai, galime pasimokyti ir iš tyrimų, ir iš argumentų.

Pagalba iš ekspertų

Daugelis duomenų ekspertų sukūrė naudingų įrankių, padedančių pasirinkti spalvas:

• ColorBrewer sukūrė Cynthia Brewer, Markas Harroweris ir Penn State padeda kurti spalvų paletes žemėlapiams; galite pasirinkti duomenų elementų skaičių, duomenų tipą ir netgi spalvas, tinkamas daltonams.
• Spalvų įrankis , sukurta buvusių NASA tyrėjų, siūlo profesionalią programėlę sudėtingai infografijai ir aeronautikos ekranams.
• „Adobe“ Kuleris yra aptakus spalvų ratas, siūlantis spalvų schemas.
• Poynteris „NewsU“ skaitmeninių įrankių katalogas turi daugybę įrankių, kuriais galite pradėti vizualizuoti duomenis.

Spalvos yra nuostabios – tyrinėdamas šį straipsnį atradau dalykų apie jas, kurių niekada nežinojau, pavyzdžiui, tai, kad geltona yra ryškiausia spalva vaivorykštės ir tų žmonių, kurie kalba kitomis kalbomis gali matyti spalvas Anglakalbiai negali. Spalvos padeda vizualizacijas paversti įdomiomis, tačiau keli protingi spalvų pasirinkimai gali užtikrinti, kad tos vizualizacijos būtų dar svarbiau informatyvios.