Construindo Confiança em Visualizações de Dados

A confiança é super importante quando falamos de visualizações de dados. Quando olhamos para gráficos ou tabelas, o quanto confiamos nas informações apresentadas afeta a nossa compreensão e as decisões que tomamos com base nesses dados. Isso é ainda mais verdade em questões urgentes como mudanças climáticas ou crises de saúde pública, tipo a pandemia de COVID-19. Infelizmente, pouca atenção tem sido dada a como a confiança é construída nas visualizações. Muitos pesquisadores têm usado métodos simples para medir a confiança, muitas vezes só perguntando às pessoas uma questão sobre o nível de confiança delas. Essa abordagem ignora a complexidade da confiança.

Neste artigo, vamos explorar uma nova forma de pensar sobre confiança em visualizações de dados. Vamos detalhar os diferentes elementos que contribuem para a confiança e como eles funcionam tanto nas imagens apresentadas quanto nos dados por trás delas.

#A Importância da Confiança nas Visualizações

A confiança tem um papel crucial quando interpretamos dados visuais. Quando as pessoas se sentem confiantes nas informações que veem, é mais provável que ajam com base nelas. Se elas sentem desconfiança, podem ignorar as informações ou ficar céticas. A confiança se torna ainda mais importante em contextos onde informações precisas e rápidas são vitais.

Por exemplo, durante a pandemia de COVID-19, muitas pessoas confiaram em visualizações para entender a propagação do vírus e tomar decisões informadas. Se as visualizações eram confusas ou pareciam enganosas, as pessoas poderiam não confiar nas informações e, potencialmente, tomar decisões ruins com base nesses dados.

#As Deficiências Existentes na Medição da Confiança

Tradicionalmente, a confiança nas visualizações tem sido avaliada com medidas de item único, tipo perguntar: "Quanto você confia nesta visualização?" Esse método tem algumas falhas significativas. Obriga os respondentes a definirem o que confiança significa para eles, levando a resultados inconsistentes. Além disso, essas medidas não capturam os vários aspectos que contribuem para a confiança.

Neste artigo, propomos uma forma mais abrangente de medir a confiança nas visualizações. Levamos em conta não só uma única pergunta, mas vários fatores que entram em jogo quando alguém olha para um gráfico ou tabela.

#Um Novo Framework para Confiança nas Visualizações

Introduzimos um novo framework para ajudar a entender a confiança em visualizações de dados. Esse framework se baseia em ideias da pesquisa em ciências sociais sobre confiança, onde a confiança é frequentemente vista como sendo construída a partir de componentes cognitivos (racionais) e afetivos (emocionais).

1. Confiança Cognitiva: Isso envolve avaliações lógicas da visualização e dos dados. Trata de quão confiável, precisa e clara a informação parece ser. Se uma pessoa acha que os dados foram bem coletados e apresentados de forma clara, sua confiança cognitiva provavelmente será alta.

2. Confiança Afetiva: Esse aspecto diz respeito a reações emocionais. Se um espectador se sente positivamente em relação à visualização ou aos dados, isso pode criar confiança. Fatores como a estética da visualização, o tom emocional dos dados e a intenção percebida por trás da visualização contribuem para a confiança afetiva.

3. Confiança nos Dados vs. Confiança na Visualização: O framework também distingue entre confiança nos dados subjacentes e confiança na visualização em si. Isso significa que uma pessoa pode confiar nos dados, mas não confiar completamente na forma como estão apresentados, ou vice-versa.

#Fatores que Influenciam a Confiança nas Visualizações

#1. Diferenças Individuais

As pessoas não abordam as visualizações da mesma forma. Características individuais, como conhecimento prévio, viéses pessoais e reações emocionais, podem moldar como alguém interage com uma visualização. Por exemplo, alguém que entende bem estatísticas pode avaliar uma visualização de forma diferente de alguém com menos experiência.

#2. Complexidade Visual

O design de uma visualização tem um impacto significativo na confiança. Visualizações mais simples tendem a promover níveis de confiança mais altos do que as mais complexas. Por exemplo, um gráfico de barras simples que mostra claramente seus dados pode ser mais fácil de confiar do que um infográfico complexo com muitas camadas de informações.

#3. Clareza da Informação

Visualizações claras ajudam a promover confiança. Se os usuários conseguem entender facilmente a mensagem e rapidamente captar os dados, é mais provável que confiem nas informações. Visuais complicados podem causar confusão, o que diminui a confiança.

#4. Resposta Emocional ao Tema

O assunto da visualização também afeta a confiança. Por exemplo, um espectador pode confiar mais em uma visualização sobre um tema que considera importante ou significativo do que em uma sobre um assunto menos envolvente.

#5. Credibilidade da Fonte

De onde vêm os dados conta. Se os usuários sabem que os dados vêm de uma fonte respeitável, é mais provável que confiem na visualização. Por outro lado, se acham que os dados podem ter sido manipulados ou vêm de uma fonte duvidosa, a confiança diminui.

#Estudo de Caso: Complexidade Visual e Confiança

Para entender melhor os fatores que afetam a confiança, foi realizado um estudo para analisar como a complexidade visual impacta a confiança em visualizações baseadas em ciência. Os pesquisadores variaram a complexidade das visualizações, usando tanto gráficos de barras quanto gráficos de linhas, e olharam para diferentes tópicos como COVID-19 e doenças de culturas.

#Design do Estudo

1. Níveis de Complexidade Visual: As visualizações foram categorizadas em três níveis de complexidade: simples, moderada e complexa.

2. Tipos de Gráficos: O estudo incluiu tanto gráficos de barras quanto gráficos de linhas para ver se o tipo de visualização influenciava os níveis de confiança.

3. Tópicos de Dados: Dois tópicos distintos foram usados para verificar como a familiaridade com um assunto influenciava a confiança. Os participantes foram expostos aos dados da COVID-19 e a outro conjunto focado em doenças de culturas na Croácia.

#Resultados

O estudo encontrou que visualizações mais simples geravam níveis de confiança mais altos. Os participantes confiavam mais em uma apresentação visual direta dos dados da COVID-19 do que em uma complexa.

Além disso, observou-se que o tipo de gráfico afetava a confiança. Gráficos de linha geralmente recebiam notas de confiança mais altas do que gráficos de barras, especialmente ao lidar com dados complexos.

#Implicações para Pesquisas Futuras

À medida que avançamos, é claro que a confiança em visualizações de dados é uma questão multilayer. Há muito mais a explorar sobre como as pessoas constroem confiança em dados visuais. As percepções obtidas com essa pesquisa podem ajudar a orientar o design de visualizações claras e confiáveis.

#Próximos Passos

• Aprimorar Métodos de Medição: Pesquisas futuras devem trabalhar na melhoria das formas de avaliar a confiança em visualizações, usando escalas mais multidimensionais.

• Tópicos Diversos: Será importante que estudos futuros incluam uma ampla gama de tópicos. Isso ajudará a entender se existem fatores universais que afetam a confiança em diferentes assuntos ou se os efeitos são mais específicos de cada tema.

• Estudos Longitudinais: Estudos de longo prazo poderiam fornecer insights sobre como a confiança se desenvolve e muda ao longo do tempo, especialmente em resposta a novas informações ou mudanças no estilo da visualização.

• Combinação de Métodos: Usar uma combinação de métodos de pesquisa qualitativa e quantitativa daria uma visão mais completa de como a confiança é construída e mantida.

#Conclusão

A confiança nas visualizações é essencial para a comunicação eficaz de dados. Ao entender e medir os vários fatores que contribuem para a confiança, podemos criar melhores visualizações que promovam confiança e compreensão. À medida que nosso mundo depende cada vez mais de dados para informar decisões importantes, garantir que as representações visuais desses dados sejam confiáveis é mais crucial do que nunca.