如何使访问图片吗

他们说,一张图片胜过一千个单词,没有什么比科学更真实。很难想象一个纸,教科书或研究表示这并不取决于数据或计划来帮助解释数据。”的角色形象的一部分,它能更有效地传达一个想法太多,比的话可以实现清晰、准确,”说米凯拉Livingstone-Banks公共和社区参与研究(MPLS部门)牛津大学,英国。虽然轻松良好的图形可以帮助我们理解复杂的信息,设计糟糕的图像可以被混淆或误导。在这里,专家解释常见的陷阱以及如何避免它们。

清晰而简明

总有诱惑包括尽可能多的你的来之不易的数据时产生一个数字。然而,最好的图片往往是相对简单和整齐,用一个明确的信息。“删除细节和相关图表垃圾没有你的信息是非常重要的,”说特蕾西Weissgerber组长,负责研究中心在柏林的追求健康研究所在德国柏林夏洛——夏洛蒂。当你有很多信息在同一图中,眼睛不知道去哪里看。“避免不必要的数据点和杂物可以帮助集中图像但缺失的信息也同样令人困惑。标签、传说、键和注释都是宝贵的支持元素是必要的,以帮助读者浏览图像。这可以帮助问,“什么信息我需要理解这个图吗?”,确保信息是清晰可见,贴上标签,Weissgerber说。

了解你的听众

有很多好的理由科学家与观众沟通不是同行的科学家,“Livingstone-Banks说。消费者与企业的互动,甚至学校的孩子都是有价值的对于维护公共利益和信任在科学研究和图像往往是更引人入胜的方式来分享这些信息的文本块。每一组都有不同的需求和基调,目的和级别的信息在你的图像都需要适应确保他们适合目标受众。如果你试着做一件事几个观众,你实际上影响是多么迷人的或有用的每个人,“Livingstone-Banks解释道。脑海中有一个明确的信息和理解不同的人如何与科学可以帮助你专注的设计形象。的一个很好的起点是跟某人从你的目标观众,“表明Livingstone-Banks。如果你坐下来,开始画出特定的想法,然后你将很快看到他们感兴趣的是什么,他们如何想象它在他们脑海中。

思考你的图类型

收集结果和数据科学家的第二天性,但制定最有效的方式呈现这些信息可以意外的挑战。有这么多不同类型的图表,数据和图表通常很难知道哪个最好将强调数据的关键部分。一个常见的错误是人们使用现在进行数据条形图,“Weissgerber说。“条形图的数量或比例,但这是一个总结统计如果你用它来连续数据然后你失去所有这些丰富的信息样本范围和分布。

这个损失信息的丰富性可以减轻部分包括原始数据作为补充信息。但是在某些情况下,损失可能已经完成了。摘要统计信息可能显示不同的结论与实际数据点。这就是图表的方法之一可以误导,“Weissgerber解释道。创建一个环境中研究人们舒适的批评,要求反馈是一个重要的步骤,Weissgerber建议讨论新数据与研究小组的其他成员。日益也有在线工具可以屏幕预印本和手稿突出好的和坏的可视化实践,“Weissgerber说。

仔细的选择颜色

颜色可以是一个有价值的科学图像,但约有4%的人口经历某种彩色视觉缺陷,我们如何使用它有一个显著影响谁能解释数据。颜色是一个非常有用的工具,允许您突出显示具体细节或指南,”菲利克斯•卡斯帕·说,德国布伦瑞克技术大学博士后研究员。但重要的是要考虑色彩的角色扮演。实际上它是一个支持元素或代表信息?”

统一访问,所有的颜色编码的信息仍然需要明显的灰度。但对许多最流行的色彩方案,这只是不是这样。“彩虹是默认设置在许多项目,但不区分红色和绿色的许多人来说,“解释道法比奥Crameri自由在Undertone.design研究员和图形设计师,瑞士。的梯度也扭曲了底层数据不一致。卡斯帕·和Crameri建议使用科学的颜色调色板来避免这些问题。这些配色方案有一个属性称为知觉,这意味着改变颜色属性(色相、饱和度和明度)是一致的在规模和数据仍然可以有或没有颜色。大多数软件包给你选择的选项或导入科学的色彩方案,“Crameri说。的有很多资源你可以下载。

寻求帮助

令人惊讶的是,大多数的科学课程不包括任何数据或数据可视化培训,一些Weissgerber认为主要的监督。在许多领域的可怜的可视化标准实践所以人们假设它是如何做的,”她说。“我觉得科学家非常好的可视化训练是非常重要的,我会鼓励学生要求车间或类来填补这一知识空缺。Weissgerber的可视化过程ReproducibiliTeach现在可用YouTube。

但即使决定你的图设计,从头创建图形本身就像是一个艰巨的任务。“如果可以的话,通常是值得付出的一个专家,但很明显,这并不总是实用,“Livingstone-Banks说。大多数学术部门会有一个专门的团队能够提供一些技术支持关于软件培训和最佳实践,所以值得找出帮助是可用的。的也有帆布等项目有很多现有的模板,您可以使用图表,海报,和其他科学图形,“Livingstone-Banks说。