Criando Visualizações Claras para Dados Complexos
Estratégias chave para melhorar a clareza na representação visual de dados.
― 6 min ler
Índice
Quando se trata de criar visualizações, um grande desafio é garantir que tudo esteja claro e fácil de entender, especialmente quando os itens de dados variam muito em tamanho. Isso é conhecido como razão escala-item. Uma grande razão escala-item acontece quando há uma grande diferença entre o tamanho da maior parte da visualização e o menor item mostrado. Isso pode dificultar para os espectadores verem e diferenciarem todos os dados claramente. Pesquisadores e designers criaram vários métodos para lidar com esse problema.
Basicamente, criar visualizações com uma grande razão escala-item envolve alguns fatores chave. O primeiro passo é entender as diferentes Escalas envolvidas no design, quantos itens de dados existem e como navegar por eles de forma eficaz. Ao desmembrar esses elementos, os designers podem fazer escolhas melhores que levam a visualizações mais claras e eficazes.
Entendendo as Razões Escala-Item
As visualizações geralmente enfrentam limites em quanto espaço podem usar, e isso se torna ainda mais problemático quando os itens são muito pequenos para serem facilmente vistos ou diferenciados. Esse problema é encontrado em muitas áreas. Por exemplo, em imagens médicas ou sequenciamento de DNA, há a necessidade de mostrar dados em diferentes níveis enquanto mantém tudo claro e conectado. Ferramentas educacionais como exposições digitais também precisam transmitir informações complexas de uma maneira que os visitantes possam se relacionar, independentemente da escala de tempo ou tamanho representado.
Os designers desenvolveram várias técnicas para ajudar a enfrentar esses desafios, como zoom interativo ou mostrar várias escalas ao mesmo tempo. No entanto, ainda não existe uma estrutura clara disponível para os designers fazerem escolhas de baixo nível ao lidar com uma grande razão escala-item.
O Espaço de Design
Para ajudar com esses cenários, foi criado um espaço de design que fornece uma estrutura para fazer escolhas de design de visualização de forma mais sistemática. Esse espaço de design é baseado em três dimensões principais, cada uma com várias subdimensões.
- Escalas: Esta dimensão analisa as diferentes escalas usadas em uma visualização, incluindo quantas existem e como se conectam.
- Navegação: Isso foca em como os usuários se movem entre diferentes escalas e como interagem com a visualização.
- Familiaridade: Isso avalia se a visualização usa objetos familiares para ajudar os espectadores a entender os menos familiares.
Dimensão de Escalas
Dentro da dimensão de escalas, existem várias subdimensões. Elas incluem:
- Contagem: Isso indica quantas escalas estão incluídas na visualização.
- Tipo de Passo: Isso explica como os usuários se movem de uma escala para outra, se é constante, baseado em dados ou dirigido pelo usuário.
- Codificações: Isso indica se diferentes escalas usam a mesma ou diferentes representações visuais.
- Associação: Isso avalia como os itens se conectam visualmente entre diferentes escalas.
Esses fatores podem ajudar a guiar a construção geral das visualizações, facilitando a escolha de como os dados são representados e como podem ser melhor percebidos pelos espectadores.
Dimensão de Navegação
A dimensão de navegação inclui detalhes sobre como os usuários interagem com a visualização. As principais subdimensões são:
- Tipo: Isso descreve os métodos que os usuários têm para navegar, seja por meio de zoom, arrasto ou uma mistura.
- Modo: Isso analisa se a navegação é feita fisicamente, como se movendo em um espaço, ou digitalmente, usando entradas de computador.
- Tempo Visceral: Esse aspecto considera se os usuários experimentam uma sensação de tempo passando enquanto navegam.
Diferentes opções de navegação podem afetar como a informação é percebida, tornando mais fácil para os espectadores se envolverem com os dados.
Dimensão de Familiaridade
Essa dimensão avalia o uso de objetos familiares para ajudar os espectadores a se relacionarem com dados menos familiares. A simples presença de objetos conhecidos pode criar contexto e tornar informações abstratas mais tangíveis.
Estratégias para Design
Ao analisar vários exemplos, os designers podem identificar padrões comuns ou estratégias que ajudam a criar visualizações eficazes. Aqui estão algumas estratégias que podem ser empregadas:
Pan e Zoom de Visão Única: Nessa estratégia, os usuários podem ver apenas uma escala de cada vez, mas podem fazer zoom e arrastar para explorar várias escalas. Isso permite uma visão detalhada, mas exige que o usuário interaja para obter insights mais profundos.
Embed Simultâneo ocluindo: Isso envolve exibir múltiplas escalas ao mesmo tempo, mas algumas escalas podem ocultar outras. Isso pode fazer certos detalhes se destacarem mais, enquanto ainda fornece contexto.
Multinível Simultâneo Separado: Essa estratégia permite visualizar múltiplas escalas sem sobreposição, dando aos usuários uma comparação clara entre diferentes níveis.
Zoom Familiar: Nesse método, os espectadores começam com escalas familiares, permitindo que naveguem gradualmente por vários tamanhos e distâncias, o que ajuda na conceituação dos dados.
Panela Longo: Essa estratégia foca em se mover ao longo de uma única escala, geralmente levando um tempo considerável. Isso pode ajudar os espectadores a apreciar a magnitude do que está sendo observado.
Oportunidades Perdidas
Analisar essas estratégias pode revelar áreas onde as visualizações poderiam ser melhoradas. Por exemplo, muitas visualizações dependem de interações digitais, que poderiam ser aprimoradas incorporando navegação física. Esse método pode levar a um engajamento mais profundo e compreensão dos dados.
Além disso, algumas visualizações usam um número limitado de escalas separadas, o que pode dificultar a profundidade da informação transmitida. Aumentar o número de escalas visíveis poderia melhorar as comparações e facilitar a navegação.
Usar diferentes codificações visuais para diferentes escalas pode fornecer uma representação mais clara dependendo do nível de detalhe necessário. Da mesma forma, estabelecer um vínculo visual entre escalas pode melhorar a compreensão, guiando os usuários por conjuntos de dados complexos.
Conclusão
Em resumo, projetar visualizações eficazes para grandes razões escala-item envolve uma consideração cuidadosa de escalas, navegação e familiaridade. Ao entender esses elementos e empregar várias estratégias, os designers podem criar experiências mais intuitivas e envolventes para os usuários. A exploração de oportunidades perdidas pode ainda refinar essas visualizações, garantindo que permaneçam relevantes e eficazes para diversos públicos.
Ao aplicar esses princípios, os designers podem comunicar melhor dados complexos e torná-los acessíveis e compreensíveis para todo mundo, independentemente de seu histórico ou especialização. O objetivo final é transformar informações complicadas em histórias claras e envolventes que ressoem com os espectadores.
Título: A Design Space for Visualization with Large Scale-Item Ratios
Resumo: The scale-item ratio is the relationship between the largest scale and the smallest item in a visualization. Designing visualizations when this ratio is large can be challenging, and designers have developed many approaches to overcome this challenge. We present a design space for visualization with large scale-item ratios. The design space includes three dimensions, with eight total subdimensions. We demonstrate its descriptive power by using it to code approaches from a corpus we compiled of 54 examples, created by a mix of academics and practitioners. We then partition these examples into five strategies, which are shared approaches with respect to design space dimension choices. We demonstrate generative power by analyzing missed opportunities within the corpus of examples, identified through analysis of the design space, where we note how certain examples could have benefited from different choices. Supplemental materials: https://osf.io/wbrdm/?view_only=04389a2101a04e71a2c208a93bf2f7f2
Autores: Mara Solen, Tamara Munzner
Última atualização: 2024-04-01 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2404.01485
Fonte PDF: https://arxiv.org/pdf/2404.01485
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.