Bakit hindi ang mga kulay ng bahaghari ang pinakamagandang opsyon para sa mga visualization ng data

Ang mga visualization ng data ay maganda, kapana-panabik na paraan upang magkuwento. Ngunit kailangan mong maingat na pumili sa pagdidisenyo ng mapa o tsart, at isa sa pinakamalaking pagkakamali ay ang maling paggamit ng mga kulay ng bahaghari.

Ang mga scheme ng kulay ng bahaghari - tinatawag ding mga spectral na color scheme - ay madalas na mga pagpipilian para sa pag-visualize ng data, kapwa dahil mukhang matapang at kapana-panabik ang mga ito at dahil ang mga ito ang default para sa maraming visualization software tool. Ngunit kadalasan sila ay gumagawa ng higit na pinsala kaysa sa mabuti. Ang pagtuklas ng mga kulay ay isang problema para sa mas maraming mga mambabasa kaysa sa maaari mong hulaan, at ang iba pang madla ay magiging mas madaling maunawaan ang visualization kung ito ay ipinakita sa ibang palette.

Ang mga scheme ng kulay ng bahaghari ay 'halos palaging ang maling pasiya ,” Anthony C. Robinson, propesor sa heograpiya sa Pennsylvia State University, ay sumulat sa isang online na klase sa Coursera, na nagturo sa mga mag-aaral kung paano gumamit ng mga geospatial na teknolohiya upang mag-map ng data.

Narito ang ilang dahilan kung bakit ang mga kulay ng bahaghari ang 'maling pagpili':

Colorblindness at pag-order ng mga kulay

Ang mga taong colorblind ay nahihirapang makakita ng mga kulay, partikular na pula at berde. (Subukan ang color vision test na ito para makita kung isa ka sa kanila.) Nakakaapekto ang colorblindness hanggang 10 porsiyento ng mga lalaki . Nangangahulugan iyon kung naghahatid ka ng mga visual sa isang madla na may daan-daang libo, nawawalan ka ng malaking bahagi ng iyong madla.

Kahit na karamihan sa mga tao ay hindi colorblind, ang mga scheme ng kulay ng bahaghari ay maaaring nakalilito dahil walang malinaw “mas malaki kaysa” o “mas mababa kaysa ” lohika sa pag-order ng mga kulay, babala sa mga mananaliksik ng computer science na sina David Borland at Russell M. Taylor II. Karaniwang sumasang-ayon ang mga tao sa pag-usad mula sa liwanag patungo sa madilim, ngunit iba ang pag-uuri ng mga kulay, tulad ng ipinapakita dito:

'Kung ang mga tao ay bibigyan ng isang serye ng mga gray na paint chips at hihilingin na ayusin ang mga ito, palagi nilang ilalagay ang mga ito sa alinman sa dark-to-light o light-to-dark order. Gayunpaman, kung ang mga tao ay bibigyan ng mga paint chip na may kulay na pula, berde, dilaw, at asul at hihilingin na ayusin ang mga ito, iba-iba ang resulta,' ayon sa mga mananaliksik David Borland at Russell M. Taylor II , propesor ng computer science sa University of North Carolina sa Chapel Hill.

Maaaring mahirap makita ang mga pagbabago

Sinasabi ng mga visualization ang kuwento sa likod ng mga pagbabago sa data; ang kanilang trabaho ay gawing simple ang mga kumplikadong pattern upang maging isang paglalarawan na nagbibigay-daan sa iyong maunawaan — perpektong sa isang sulyap — kung ano ang nangyayari. Ngunit ang mga mata ng tao ay hindi mahusay sa pag-detect ng mga gilid ng iba't ibang kulay na magkatabi. Mas mahusay kaming makakita ng maliliit na pagbabago sa loob ng iisang hanay ng kulay dahil maayos na nagbabago ang mga halaga ng luminance at saturation kung saan hindi nagbabago ang mga kulay, sinulat ni Robert Kosara , visual analysis researcher sa Larawan at isang eksperto sa kung paano natin nakikita ang kulay, sa kanyang personal na website, EagerEyes.

Mabilis na nagiging teknikal ang mga detalye, ngunit ang pangunahing aral ay ang mga kulay ng bahaghari ay nagpapakita lamang ng mga pagkakaiba kapag nagbago ang aktwal na kulay, habang mga gradient ng kulay hayaan ang mga tao na makita ang unti-unting pagbabago.

Mahihirapan ang iyong audience na sabihin ang mga nuances kung gagamit ka ng mga kulay ng bahaghari sa halip na manatili sa isang nagtapos na sukat ng isang kulay.

Mga mapanlinlang na konklusyon

Depende sa iyong madla, ang maling pagpili ay maaaring magkaroon ng malubhang kahihinatnan. Sa isang pag-aaral sa Harvard , natuklasan ng mga mananaliksik na ang mga 2-D na diagram ng mga arterya ng puso na gumamit ng gradient mula itim hanggang pula ay mas epektibong mga tool para sa mga doktor na gumagawa ng mga diagnosis kaysa sa mga modelong 3-D na gumagamit ng mga kulay ng bahaghari. Ipinakita ng mga klinikal na pag-aaral na ang mga diagram na gumamit ng gradient ay nagpapataas ng katumpakan ng mga diagnosis ng mga doktor ng atherosclerosis at sakit sa puso mula 39 porsiyento hanggang 91 porsiyento.

Isang paghahambing ng pagiging epektibo ng 2-D arterial diagram na may mga itim hanggang pula na gradient at 3-D na mga modelong may kulay na bahaghari. (Mga Larawan: Michelle Borkin / Harvard School of Engineering at Applied Sciences)

Hindi lahat ng visualization ng data ay ginagamit sa paggawa ng mga kritikal na medikal na tawag, ngunit ang mga kulay ng bahaghari ay maaaring makalinlang kapag ginamit ng mga mamamahayag ang mga ito upang maling ipakita ang dami ng data.

'Hindi masama ang mga kulay ng bahaghari kung ginagamit mo ang mga ito para sa kategoryang data,' Drew Skau, visualization architect sa Visual.ly , sinabi kay Poynter sa isang panayam sa video. 'Masama ang mga ito kung gagamitin mo ang mga ito upang kumatawan sa tuluy-tuloy na data.'

Ano ang pinagkaiba? Ang tuluy-tuloy na data ay quantitative at inilalarawan ng mga numero; Ang kategoryang datos ay husay at inilalarawan ng mga salita. Halimbawa, ihambing ang mga pagpapangkat na ito:

• Mga kakaibang alagang hayop: chinchilla, ocelot, alakdan, sumisitsit na ipis, mga sawa
• Temperatura sa Fahrenheit: -459.67°F, 32°F, 212°F
• Mga boto sa halalan sa panahon ng halalan: 206, 270, 332

Ang mga kakaibang alagang hayop ay nauugnay sa isa't isa, ngunit hindi tuluy-tuloy - hindi mo masusukat ang pagkakaiba sa pagitan ng chinchilla at isang ocelot. Ang mga pagbabasa ng temperatura, sa kabilang banda, ay tuloy-tuloy — ang mga ito ay mga numero sa isang sukat na may masusukat na distansya.

Ang mga boto sa halalan ay tuluy-tuloy na data, ngunit magkakaiba rin ang mga ito. Gusto naming malaman kung ano ang mid point (270 electoral votes) dahil kung sino ang makatanggap ng higit sa 50 percent ng mga boto ay panalo. Kaya, ang visualization ng data ay karaniwang nagpapakita ng asul upang kumatawan sa mga Democrat sa isang dulo at pula para sa mga Republican sa kabilang dulo, na siyang perpektong paraan upang kumatawan sa magkakaibang data.

Ang ehersisyong ito mula sa Robinson ay nagpapakita kung paano mas mahirap na sabihin ang pagkakaiba sa dami ng mga tweet (na quantitative data) sa panahon ng 2012 presidential elections:

Ipinapakita ng mapa na ito ang dami ng mga tweet nina Obama at Romney mula sa 2012 presidential elections, gamit ang spectral na kulay.
(Larawan: Dr. Anthony C. Robinson / Penn State)

Narito ang parehong mapa, ngunit binago ni Robinson ang mga kulay ng bahaghari sa isang solong kulay (purple) na may iba't ibang saturation.

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

Ngunit ang mga kulay ng bahaghari ay kadalasang ginagamit upang ilarawan ang dami ng data, kahit na sa pamamagitan ng NASA scientists. Hinimok ng mga akademya ang siyentipikong komunidad na ihinto ang paggamit ng mga parang multo na kulay, at ganoon din ang mga siyentipiko at inhinyero nag-aalala tungkol sa katumpakan ng paggamit ng kulay. Bilang mga mamamahayag, maaari tayong matuto mula sa parehong pananaliksik at mga argumento.

Tulong mula sa mga eksperto

Maraming eksperto sa data ang bumuo ng mga kapaki-pakinabang na tool upang matulungan kang pumili ng mga kulay:

• ColorBrewer ni Cynthia Brewer, Mark Harrower at Penn State ay tumutulong sa iyo na magdisenyo ng mga paleta ng kulay para sa mga mapa; maaari mong piliin ang bilang ng mga item ng data, ang uri ng data, at kahit na colorblind-safe na mga kulay.
• Tool ng Kulay , na nilikha ng mga dating mananaliksik ng NASA, ay nag-aalok ng isang propesyonal na grado na app para sa mga kumplikadong infographic at aeronautical display.
• Ang Kuler ng Adobe ay isang makinis na color wheel na nag-aalok ng mga color scheme.
• kay Poynter Catalog ng mga digital na tool ng NewsU ay may hanay ng mga tool kung saan maaari kang magsimulang mag-visualize ng data.

Napakaganda ng mga kulay — sa pagsasaliksik sa artikulong ito, natuklasan ko ang mga bagay tungkol sa kanila na hindi ko alam, tulad ng katotohanan na ang dilaw ay ang pinakamatingkad na kulay ng bahaghari at ang mga taong nagsasalita ng ibang mga wika maaaring makakita ng mga kulay Ang mga nagsasalita ng Ingles ay hindi magagawa. Nakakatulong ang mga kulay na gawing kapana-panabik ang mga visualization, ngunit matitiyak ng ilang matalinong pagpipilian ng kulay na ang mga visualization na iyon ay mas mahalaga na nagbibigay-kaalaman.