8分钟阅读

思想'眼睛 - 看看数据可视化心理学

Tetiana是一个多学科设计师,帮助启动和企业公司构建以人为本的设计解决方案。

数据可视化是讲述数据的一个很好的方法。但是最好的方法是什么?对人类感知和认知的理解可以帮助设计师有效地进行。

人们使用视觉效果来帮助讲述故事,并说明重要问题的答案千年。最早的数据可视化示例可能是从大约27,000年前的地图,并且长期以来,很难看到除了地理以外的任何内容的数据可视化。

我们的大脑是独特的,以识别模式和连接吗?今天,我们生活在一个数据可视化的黄金时代。有效地通信数据可以证明具有挑战性,虽然图表可以帮助我们了解复杂的数据,甚至从新的角度来看,当才能正确地向观众发送消息或基于数据做出业务决策时,可视化可能是一种关键方式完成它。但是什么 数据可视化的力量背后?

数据可视化设计的历史背景

数据可视化具有悠久的历史,并在第17世纪和19世纪之间取得了重大进展。在18世纪呈现出定量数据的想法 rene descartes. 发明了一种二维坐标系,以显示数学操作的值。那个系统得到改善 William Playfair. 我们今天认识的先锋图形形式。他被认为是发明的线条和条形图,后来饼图和圆形图。

数据可视化示例:PlayFair的1801派圆圈线图
Playfair的1801篇饼图线图,将人口和税收比较了几个国家。

多年来,使用量化图变得更加普遍。他们的方法论和有效性在20世纪下半叶有显着增加,并出版了Jacques Bertin的书 图形的半学。他的工作至关重要,因为他发现,为了提出直观,清晰,有效地呈现信息,视觉感知根据可以遵循的规则和模式操作。

Bertin研究了不同类型图表的有效性。在下面的例子中,饼图显示了几个国家的各种肉类的生产。 Bertin认为这些是“无用”。在中间采用矩阵可视化,高级模式变得更加可见。在右侧,由于国家和肉类生产没有自然秩序,因此可以生产许多其他矩阵 - 包括所示的示例 - 这提供了更清晰的微观度。在这种情况下,类别的重新排序显着改善了数据的呈现。

数据可视化设计
ra格图书(Bertin,1977),由Ehess / Ref提供。 20010291/36。

心理学与数据可视化有什么关系?

视觉感知是能够看到,解释和组织环境的能力。数据可视化可能非常有效,因为它利用人类大脑的自然能力。它快速有效。

约翰·丁基这是一个有影响力的美国数学家和理论统计名人说:“图片的最大价值是迫使我们注意到我们从未预期看到的东西。”

通过脑皮层处理的认知,较慢,需要更多努力来处理信息。呈现数据直观地加速了我们的看法,并有助于降低认知负荷。

在下面的示例中,该表允许我们看到精确的数字。但是,我们可以快速提出可再生水资源的最高和最低数据吗?不容易,但是在右侧的条形图中在视觉上呈现时,相同的数据变得更加清晰,更容易理解。

数据可视化原则

视觉感知与其他感官相比的主导影响恰当地说明了丹麦物理学家的一个例子中 努尔·诺尔斯特拉德人。他通过将人类感官的能力转化为标准计算机吞吐量来展示视觉效果的力量。视线在顶部出现,因为它具有与计算机网络相同的带宽。它的沟道容量比触摸高10倍,比听力或气味强100倍。右下角的小方块是我们认知地了解感官体验的地方。

数据可视化心理学
我们对我们的感官的带宽是由Tor Norriveranders的。

预分子加工

视觉处理的主导感觉输入,数据量和我们处理的速度远远高于我们所清楚的程度。这种现象被称为“预分子加工。”这是潜意识和快速的。眼睛需要200-500毫秒,以传播和大脑处理视觉刺激的预先分级性(这比大脑如何处理电子表格数据的速度快得多。

“预先收缩的处理是来自环境的潜意识积累的信息。所有可用的信息都是预先分娩的。然后,脑过滤器和流程重要。具有最高的突出性的信息(突出最多的刺激)或与人们正在考虑的内容的相关性被选择以进一步和更完整的分析,以进一步和更完整地进行分析。“ - 从 维基百科

预先分子加工是一个福音的设计师,因为它的熟练部署允许人们了解更快地呈现的内容。一个高度胜任的 设计师 可以帮助别人查看数据可视化更快地吸收更多信息,并且少努力,因为它亮起了意识的加工并降低了内存负荷。

预先分娩处理的优点:

  • 快/自动
  • 情绪化的
  • 冲动/驱动器
  • 习惯
  • 信仰
  • 刻板印象
  • 潜意识

许多 视觉变量 触发前提响应。通过学习自动强调的可视元素,然后将它们结合到仪表板中,我们可以设计可有效讲述数据故事的可视化。

视觉变量

介绍 Jacques Bertin.,视觉变量是人眼所感知的元素之间的差异。研究了很长时间,这些变量提供了了解人力大脑流程和导航视觉信息的方式。原始的“视网膜变量”包括七个变量:位置,大小,形状,值,颜色色调,方向和纹理。

下面的图表显示了根据Bertin的定性或定量差异的视觉变量的示例。它们还展示了通过点,线或区域呈现属性的方式。

1984年威廉克利夫兰和罗伯特·麦格尔的研究排名了最常见的方面,这两种形状可以基于人类大脑如何检测到它们之间的差异。它们从最少到最低准确的最重要的视觉功能下令:

沿着共同规模的位置

因为我们共享一个常见的空间参考系统,所以位置是最简单的功能,用于识别和评估空间中的元素。

示例:条形图,散点图

数据可视化设计中的视觉变量

沿着非目标,相同的尺度的位置

即使不对齐,也很容易比较用相同轴重复的单独的尺度。面板图表或“小倍数”是一个很好的例子。结果是图表的网格,所有图表都遵循相同的视觉格式,但显示不同的数据集。与单个更大的图表相比,小倍数可以帮助超细,当数据可能被遮挡或遮挡时,因为有太多绘制的物品。

示例:小倍数(AKA Rellis,Lattice,Grid和面板图表)

数据可视化最佳实践小倍数示例

长度

长度可以有效地表示定量信息,因为元素的长度可以缩放到它们所代表的数据值。即使对象未对齐,人类大脑容易识别比例并评估长度。

示例:条形图

条形图是最佳数据可视化技术之一

方向

人眼容易识别方向。它可以使用行和趋势图表,例如,呈现随时间变化的数据。

示例:趋势图表

趋势图在数据可视化设计中使用了很多

角度

角度帮助通过提供比例感。研究表明,角度难以评估长度或位置。但是,除非整体上有超过三个部分,否则饼图与堆叠的条形图一样有效。

示例:饼图

饼图可以是有效的数据可视化技术

区域

区域的相对幅度更难比较与线的长度相比。第二方向需要更多努力来处理和解释。

示例:泡沫图表

泡沫图表很好地在视觉上呈现数据

体积

卷是指在二维空间中使用3D对象,这使得它们更加难以评估。然而,研究表明,当比较相同的二维性的两个形状时,可以更精确地感知3D对象。

示例:3D条形图

3D条形图适合视觉呈现数据

颜色饱和度

颜色饱和度是指单个色调的强度。随着价值增加的数量,可以直观地感知颜色的增加。但是,很难精确评估结果。

示例:加热器

Heatmaps对大数据呈现有利
(来源: 我们的数据)

了解视觉变量的排名对于创建引人注目的数据可视化至关重要。但是,这并不意味着设计师需要将自己限制在条形图和散点图中。克利夫兰和麦吉尔注,“订购不会导致显示数据的精确处方,而是在其内部工作的框架。”

颜色

根据William克利夫兰的说法,在威廉克利夫兰的观念方面,颜色饱和度和阴影最不准确。但是,颜色可以是一个强大的工具 数据可视化设计人员 在显示数据时传达意义和清晰度。然而,这是一个至关重要的是,设计师了解颜色的工作原理以及它所做的事情以及不好。

上下文的颜色

我们对颜色的感知取决于上下文,颜色及其与周围物体的对比度。

一个很好的例子是日本ritsueikan大学的心理学系教授Akiyoshi Kitaoka的实验,在那里他在黑色到白色渐变中滑动一张灰色纸。纸张似乎可以改变颜色,因为它在侧面移动时。在每一刻,我们认为颜色不同,随着灰色的不同色调环绕它。请参阅下面的视频:

在他的文章中 在图表中使用颜色的实用规则,斯蒂芬少数来自这些观察结果的一些实际规则:

  1. 如果您希望表中相同颜色的不同对象或图表看起来相同,请确保背景 - 围绕它们的颜色 - 是一致的。
  2. 如果要在表格中的对象或要轻松地看到的图形,请使用与对象相比的背景颜色对比。

颜色讲述一个故事

颜色不仅仅是装饰。它是最有意义的和战略性的。颜色应该有助于讲述一个故事并传达所呈现的数据集的目标。俗话说,“更少的是。”

对比度颜色应仅应用于数据中的含义的差异,以减少认知载荷。颜色也可以强调可视化的主要元素。

没有颜色没有效率效果的良好图表。灰色是一个漂亮的起点,在一个识别阶段,一旦识别出焦点,颜色的应用将强调这些部件。

数据可视化心理学利用良好的颜色组合
灰色酒吧之间的蓝色酒吧清楚地传达了焦点指向观众。

定义颜色调色板

数据可视化设计器的颜色集可以完全转换数据的含义。许多工具可以帮助选择有意义的颜色调色板,具体取决于数据的性质。这是一对夫妇:

  • colorbrewer.。调色板分为三种类型:
    • 分类(用于将物品分隔为不同的群体)
    • 顺序(用于编码定量差异)
    • 发散
  • viz调色板。 viz调色板负责无障碍,设计颜色盲目,并且感知均匀间隔的阴影。它包括一个“颜色报告”,它标识各种情况中可能看起来相同的阴影。

将gestalt原则应用于数据可视化

格式塔原则 感知可以帮助澄清大脑如何根据共同特征组织元素,因为它试图了解视觉信息。 Gestalt理论是基于的想法,即人类大脑将通过小心地将部件安排到创造一个整体的有组织的系统中,而不是仅仅是一系列不同的元素来简化和组织复杂的图像或设计。

相似

相似之处的原则表示,我们的思想将自动使用共享视觉属性的元素作为“类似”。相似的颜色,相似的形状,类似的尺寸和类似的方向被认为是一个组。该原理在下面的图表中示出。

与左侧的图表有不同的颜色,它们在右边是相同的蓝色。鉴于只有一个变量(成本/收入),这是有道理的。具有相同颜色的棒使得更容易理解数据并除去由左侧使用不同颜色引起的额外认知应变。

格式塔原则通常用于数据可视化原则

接近

靠近比相似性更有效,因为人眼感知要素是基于它们彼此的近距离相关的元素。

在下面的图表中,目的是将国家在三个季度进行比较。虽然近距离在季度范围内,很容易比较每个国家的销售,但分析国家销售将具有挑战性。

通过采用最佳数据可视化工具使用的接近原理来实现良好分析

修订的图表更清楚地传达了它。在这种情况下,优先考虑信息以专注于可视化目标,因为它将主要数据点保持在一起。

接近是数据可视化原则之一

外壳

公共区域原则由Palmer于1992年引入的,展示了如何在共享公共区域的情况下被认为具有明确限定的边界的元素的封闭。

在下面的示例中,灰色阴影区域内的三个条似乎是组的一部分。这种技术可帮助观众专注于图表中的一组对象。

数据可视化设计可能利用公共区域原理

结论

了解人类感知的关键要素和认知过程是设计出色数据可视化的重要组成部分。在使用数据可视化的产品时,需要它是B2B仪表板或金融应用程序 - 设计师 需要注意人类的脑视觉感知过程和基本数据可视化设计原则。

对视觉感知的众所周知的格式塔原则的熟悉程度可能对设计者有一个很大的好处,并帮助他们了解大脑如何将复杂图像转化为模式。在设计数据可视化和设计更有效的图表时,在这些原则中表明这些原则在实现更明显的视觉层次结构中是有价值的。

此外,有人知道预先分娩的处理和视觉变量,以及正确应用颜色,将赋予设计人员创建更有效的数据可视化。


让我们知道您的想法!请留下您的思想,评论和反馈。

进一步阅读顶部设计博客:

理解基础知识

为什么数据可视化重要?

数据可视化可以提供传统的描述性统计信息的洞察力。随着数据的快速增殖,数据可视化设计是一种强大而相干的方式来直观地传达定量内容,使用户能够更容易和快速地处理大量信息。

为什么可视化如此强大?

我们的视线感提供了比其他感官快得多的信息,我们甚至在我们考虑之前处理我们所看到的。数据可视化设计利用这种快速的感官响应,这就是为什么设计中的数据可视化是如此强大,并且如此有效地通信。

可视化的好处是什么?

数据可视化设计提供更快,改进了数据集的洞察力,并为观众提供了更快地处理它们的能力。

您如何使用数据可视化?

数据可视化是数据的图形呈现。数据可视化设计使用图表,图形和映射等视觉元素,这些元素能够深入了解数据中的趋势和模式。

与心理学有关的愿景如何?

心理学家研究感觉,了解感知。我们的感官是感知的生理基础,这是大脑选择,组织和解释由我们的感官受体,眼睛聚集的感觉的过程。