Dobici:
- Mogućnost odabira odgovarajućeg tipa grafikona za poruku koju želite dati (poređenje, trend, distribucija, odnos)
- Sposobnost da se izbjegne pravljenje grafikona sa podacima koje je napravila umjetna inteligencija osiguravajući da svaki broj ispod grafikona dolazi iz vlastitih stvarnih podataka.
- Sposobnost kontrole obmanjujućih dizajna kao što su slomljena os i neproporcionalna skala i stvaranje pristupačnih, iskrenih vizuala
Bez obzira na to koliko je čvrst nalaz istraživanja, beskorisan je ako se ne shvati. Vizualizacija podataka je umjetnost izlivanja numeričkih i kategoričkih podataka u grafikone, tabele i grafikone kako bi čitatelj mogao vidjeti obrazac na prvi pogled. Dobar grafikon smanjuje hiljade linija podataka u jednu poruku; Loš grafikon može učiniti da čak i tačni podaci izgledaju pogrešno. U ovoj ćete jedinici naučiti kako koristiti AI da odaberete pravi tip grafikona, nacrtate kod za vizualizaciju, organizirate tabele i iskreno predstavite nalaze.
Uloga AI u vizualizaciji je dvostruka. Prvi je konsultacija: "koji grafikon je prikladan za ove podatke?" dobro odgovara na pitanje; kao što je trakasti grafikon za poređenje dvije kategorije, linijski grafikon za promjenu tokom vremena i — ako se pažljivo koristi — tortni grafikon za dijelove cjeline. Drugi je generisanje koda: izrada grafičkog koda za alate kao što su R (ggplot2) ili Python (matplotlib, seaborn). Ali budite oprezni: brojevi ispod grafikona koje AI proizvodi moraju doći iz vaših stvarnih podataka; Lijep grafikon koji AI proizvodi s "podacima uzorka" nije vaš nalaz. Osim toga, AI može nesvjesno predložiti pogrešan grafikon (isprekidana osa, nesrazmjerna skala); Provjera integriteta je vaša.
Korak po korak: od podataka do iskrenog grafikona
1. Identifikujte poruku. Svaki grafikon treba da odgovori na jedno pitanje: "Šta želim da pokažem?" Poređenje, trend, distribucija, odnos? Tip grafikona se ne može odabrati dok se poruka ne očisti.
2. Odaberite ispravan tip grafikona. Vrsta se razlikuje u zavisnosti od poruke. AI daje obrazložene prijedloge na pitanje "Želim prikazati ove podatke ovom porukom, koji grafikon?"
3. Primijenite pravila integriteta. Treba li osa početi od nule, da li je skala proporcionalna, da li su boje pogrešne? AI vam pomaže da provjerite da li grafikon obmanjuje.
4. Nacrtajte kod i pokrenite ga sa VAŠIM podacima. Neka AI napiše grafički kod; Pokrenite ga sa svojim stvarnim podacima i provjerite rezultat.
5. Učinite ga dostupnim. Palete prilagođene sljepoći za boje, jasne etikete, čitljivi naslovi. AI predlaže ova poboljšanja.
Savjet: Jednostavan način testiranja iskrenosti grafikona: "Kako bi neko sa lošim namjerama mogao učiniti ovaj grafikon pogrešnim?" je pitati. Isprekidana y-osa čini da mala razlika izgleda ogromno; Odabrani vremenski period može preokrenuti trend. Neka AI skenira ove zamke.
tri mini kofera
Slučaj 1 — Ispravljena obmanjujuća osa. U jednom izvještaju, razlika između dvije grupe (51% naspram 54%) izgledala je kao "divovski jaz" na grafikonu sa y-osom koja počinje na 50. Kada je AI predložio da os počinje od nule, razlika je smanjena na stvarnu veličinu, mala razlika. Tabela je postala iskrena.
Slučaj 2 — Prava vrsta uštedela je vreme. Jedan istraživač je imao 5 godina podataka o stopi učešća, ali je koristio kružni grafikon; Trend se nije pojavio. YZ je predložio "linijski grafikon za promjenu tokom vremena" i ggplot2 je napravio nacrt koda. Trend pada odjednom je postao čitljiv.
Slučaj 3 — Zamka lažnih podataka. Kada je korisnik zatražio od AI "graf upotrebe društvenih medija od strane mladih", AI je napravio prekrasan grafikon sa izmišljenim brojevima. Korisnik je to skoro stavio u izvještaj; Tada je shvatio da ti brojevi nisu njegovi podaci, već izum AI. Dijagram je preuređen sa stvarnim podacima.
Četiri šablona za kopiranje
1) Izbor tipa grafikona:
Želim prikazati sljedeće podatke: [opis podataka]. Poruka koju želim dati: [poređenje/trend/distribucija/odnos]. Predložite 2 najprikladnija tipa grafikona za ovu poruku, s obrazloženjem. Reci mi zašto bih trebao izbjegavati stvari koje bi mogle dovesti u zabludu (npr. kolač sa više kriški).
2) Kod vizualizacije (pokrenut ću ga sa svojim podacima):
Skicirajte [tip plot] kod za [R ggplot2 / Python matplotlib]. Moje varijable: [x], [y], [grupa]. Napišite kod s komentarima, pokrenite sjekire od nule, koristite dostupnu paletu boja, stavite naslove i oznake na turskom. Primjer izrade brojeva; Ja ću povezati svoje podatke.
3) Revizija integriteta:
Opisujem sljedeći grafikon: [graf]. Može li biti zabluda? Provjerite: da li je osa nula, da li je skala proporcionalna, da li je odabran vremenski interval, da li boje preuveličavaju grupu, da li 3D efekat narušava percepciju? Predložite popravke za svaki rizik.
4) Uređivanje tabele:
Pretvorite sljedeće neobrađene rezultate u čistu, čitljivu tablicu rezultata: [x] u redovima, [y] u kolonama, vrijednost u ćelijama i postotak ako je potrebno. Zaokružite decimalni broj dosljedno, navedite izvor u fusnoti. Promjena brojeva; samo uredi. Podaci: [ovdje]
Slaba prompt / Jaka prompt
Slab upit:
Dajte mi impresivnu grafiku na ovu temu.
Želja za „impresivnim“ podstiče AI sa izmišljenim podacima ili obmanjujućim dizajnom koji preuveličava razliku. Biti impresivan ne bi trebalo da dođe prije nego što budeš iskren.
Snažan upit:
Želim bar grafikon kod koji mogu pokrenuti sa svojim podacima. Moja poruka: da pokažem ISKRENO razliku u stopi učešća između četiri grupe. Osa treba da počinje od nule, boje treba da budu prikladne za daltonizam, a razlika ne treba da se preuveličava. [R/Python] Dajte šifru, uklapanje broja. Zatim navedite 3 rizika u kojima bi ovaj grafikon mogao dovesti u zabludu.
Razlika: drugi upit se fokusira na iskrenost, pristupačnost i stvarne podatke.
Tip grafikona po poruci
Poruka
odgovarajuća grafika
Treba izbjegavati
Poređenje kategorija
trakasti grafikon
3D, višeslojna torta
mijenjati tokom vremena
linijski grafikon
cake
distribucija
Histogram, okvirni grafikon
pojedinačni prosek
Odnos dvije varijable
raspršiti se
rod
dijelovi cjeline
Naslagani bar/pound torta
Kolač sa više delova
Uobičajene greške
- Pravljenje grafikona sa podacima napravljenim od strane veštačke inteligencije. Svaki broj na dnu grafikona mora proizaći iz vaših stvarnih podataka.
- Preuveličavanje razlike sa isprekidanom osom. Pogrešno je činiti da se mala razlika čini ogromnom.
- Odabir žanra koji ne odgovara poruci. To je kao da pokazujete vremenski trend sa pitom.
- Zaboravljanje pristupačnosti. Grupe odvojene samo bojom isključuju čitač daltonista.
- Stavljanje "impresivnog" ispred "poštenog". Svrha vizualnog nije uvjeravanje, već ispravna komunikacija.
Ukratko
Vizualizacija podataka je način da čitaocu iskreno i jasno prenesete svoje otkriće. AI; To je moćna pomoć u predlaganju pravog tipa grafikona, izradi koda za vizualizaciju, uređivanju tabela i provjeri zavarljivih dizajna. Ali svaki broj na dnu grafikona mora doći iz vaših stvarnih podataka; Prekrasan grafikon koji je napravio AI "uzorak podataka" nije vaš nalaz. Neka poruka bude jasna, odaberite pravi žanr, držite osovinu i skalu poštenim, učinite je pristupačnom i nikada ne stavljajte "impresivno" prije "iskreno".
Zadatak aplikacije
Odaberite mali skup činjenica ili podataka koje ste sami prikupili. Odaberite vrstu koja odgovara vašoj poruci pomoću predloška "Odabir tipa grafikona". Uz predložak "vizualizacijski kod", uzmite kod od AI i pokrenite ga na vlastitim podacima (nikada s brojevima koje je AI izmislio). Iscrtajte iste podatke isprekidanom osom, stavite dva grafikona jedan pored drugog i pokažite kako je razlika preuveličana pomoću šablona "provjera poštenja".
kontrolna lista
- [ ] Pojasnio sam jednu poruku koju grafikon pokušava prenijeti.
- [ ] Izabrao sam odgovarajući grafički tip za poruku sa opravdanjem.
- [ ] Napravio sam grafikon sa svojim stvarnim rezultatom, a ne AI izmišljotinom.
- [ ] Počeo sam os od nule i zadržao proporcionalnu skalu.
- [ ] Koristio sam dostupne boje i jasne etikete.