تجسم داده ها و ارائه یافته ها

سود:

• امکان انتخاب نوع نمودار مناسب برای پیامی که می خواهید بدهید (مقایسه، روند، توزیع، رابطه)
• امکان جلوگیری از ایجاد نمودار با داده های ساخته شده توسط هوش مصنوعی با اطمینان از اینکه هر عدد زیر نمودار از داده های واقعی خودش می آید.
• توانایی کنترل طرح های گمراه کننده مانند محور شکسته و مقیاس نامتناسب و تولید تصاویری در دسترس و صادقانه

مهم نیست که یک یافته تحقیق چقدر محکم باشد، تا زمانی که درک نشود، بی فایده است. تجسم داده ها هنر ریختن داده های عددی و دسته بندی شده در نمودارها، جداول و نمودارها است تا خواننده بتواند الگو را در یک نگاه ببیند. یک نمودار خوب هزاران خط داده را در یک پیام کاهش می دهد. یک نمودار بد می تواند حتی داده های دقیق را گمراه کننده جلوه دهد. در این بخش، یاد خواهید گرفت که چگونه از هوش مصنوعی برای انتخاب نوع نمودار مناسب، پیش نویس کد تجسم، سازماندهی جداول و ارائه صادقانه یافته ها استفاده کنید.

نقش هوش مصنوعی در تجسم دوگانه است. اولین مورد مشاوره است: "کدام نمودار برای این داده ها مناسب است؟" به سوال خوب پاسخ می دهد؛ مانند نمودار میله ای برای مقایسه دو دسته، نمودار خطی برای تغییر در طول زمان، و - اگر با دقت استفاده شود - نمودار دایره ای برای بخش هایی از یک کل. دومی تولید کد است: تهیه کد گرافیکی برای ابزارهایی مانند R (ggplot2) یا Python (matplotlib، seaborn). اما مراقب باشید: اعداد زیر نموداری که هوش مصنوعی تولید می کند باید از داده های واقعی شما باشد. نمودار خوبی که هوش مصنوعی با "داده های نمونه" تولید می کند، یافته شما نیست. علاوه بر این، هوش مصنوعی ممکن است ناآگاهانه یک نمودار گمراه کننده را پیشنهاد کند (محور چین، مقیاس نامتناسب). بررسی یکپارچگی با شماست.

گام به گام: از داده ها تا نمودار صادقانه

1. پیام را شناسایی کنید. هر نمودار باید به یک سوال پاسخ دهد: "چه چیزی را می خواهم نشان دهم؟" مقایسه، روند، توزیع، رابطه؟ تا زمانی که پیام واضح نباشد، نمی توان نوع نمودار را انتخاب کرد.

2. نوع نمودار صحیح را انتخاب کنید. نوع آن بسته به پیام متفاوت است. هوش مصنوعی برای این سوال که "من می خواهم این داده ها را با این پیام نشان دهم، کدام نمودار؟" را پیشنهاد می کند.

3. قوانین یکپارچگی را اعمال کنید. آیا محور باید از صفر شروع شود، آیا مقیاس متناسب است، آیا رنگ ها گمراه کننده هستند؟ هوش مصنوعی به شما کمک می کند بررسی کنید که آیا نمودار گمراه کننده است یا خیر.

4. کد پیش نویس کرده و آن را با داده های خود اجرا کنید. اجازه دهید هوش مصنوعی کد گرافیکی را بنویسد. آن را با داده های واقعی خود اجرا کنید و نتیجه را بررسی کنید.

5. آن را در دسترس قرار دهید. پالت های دوستدار کوررنگی، برچسب های واضح، عناوین خوانا. هوش مصنوعی این پیشرفت ها را پیشنهاد می کند.

نکته: راه ساده برای آزمایش صداقت نمودار: "چطور ممکن است شخصی با نیت بد این نمودار را گمراه کننده کند؟" پرسیدن است محور y نقطه چین باعث می شود که تفاوت کوچک بزرگ به نظر برسد. یک دوره زمانی انتخاب شده می تواند یک روند را معکوس کند. از هوش مصنوعی بخواهید این تله ها را اسکن کند.

سه کیف کوچک

مورد 1 - محور گمراه کننده اصلاح شد. در یک گزارش، تفاوت بین دو گروه (51% در مقابل 54%) مانند یک "شکاف غول‌پیکر" در نموداری به نظر می‌رسد که محور y از 50 شروع می‌شود. هنگامی که هوش مصنوعی پیشنهاد کرد که محور از صفر شروع شود، این تفاوت به اندازه واقعی آن کاهش یافت، یک تفاوت کوچک. نمودار صادقانه شد.

مورد 2 - نوع مناسب باعث صرفه جویی در زمان می شود. یک محقق 5 سال داده نرخ مشارکت داشت اما از نمودار دایره ای استفاده می کرد. روند ظاهر نشد. YZ یک "نمودار خطی برای تغییر در طول زمان" پیشنهاد کرد و ggplot2 پیش نویس کد را تهیه کرد. روند نزولی ناگهان خوانا شد.

مورد 3 - تله داده های جعلی. هنگامی که کاربری از هوش مصنوعی "نمودار استفاده جوانان از رسانه های اجتماعی" درخواست کرد، هوش مصنوعی نمودار زیبایی با اعداد ساختگی تولید کرد. کاربر تقریباً آن را در گزارش قرار داده است. سپس متوجه شد که این اعداد داده های او نیستند، بلکه اختراع هوش مصنوعی هستند. نمودار با داده های واقعی دوباره ساخته شده است.

چهار قالب قابل کپی

1) انتخاب نوع نمودار:

من می خواهم داده های زیر را نمایش دهم: [شرح داده ها]. پیامی که می خواهم بدهم: [مقایسه/روند/توزیع/رابطه]. 2 نوع نمودار مناسب برای این پیام را با توجیه پیشنهاد دهید. به من بگویید چرا باید از چیزهایی که ممکن است گمراه کننده باشند (مانند کیک با چند برش) اجتناب کنم.

2) کد تجسم (من آن را با داده های خودم اجرا می کنم):

یک کد [نوع طرح] برای [R ggplot2 / Python matplotlib] ترسیم کنید. متغیرهای من: [x]، [y]، [گروه]. کد را با نظرات بنویسید، محورها را از ابتدا شروع کنید، از یک پالت رنگی در دسترس استفاده کنید، عنوان ها و برچسب ها را به ترکی قرار دهید. نمونه سازی اعداد؛ من داده هایم را وصل خواهم کرد.

3) حسابرسی درستکاری:

من نمودار زیر را شرح می دهم: [گراف]. آیا ممکن است گمراه کننده باشد؟ بررسی کنید: آیا محور صفر است، آیا مقیاس متناسب است، آیا فاصله زمانی انتخاب شده است، آیا رنگ ها یک گروه را اغراق می کنند، آیا اثر سه بعدی ادراک را مخدوش می کند؟ برای هر ریسک راه حلی پیشنهاد کنید.

4) ویرایش جدول:

نتایج خام زیر را به یک جدول نتایج تمیز و قابل خواندن تبدیل کنید: [x] در ردیف، [y] در ستون، مقدار در سلول‌ها و درصد در صورت لزوم. عدد اعشاری را به طور پیوسته گرد کنید، منبع را در پاورقی مشخص کنید. تغییر اعداد؛ فقط ویرایش کنید داده ها: [اینجا]

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

یک گرافیک چشمگیر در مورد این موضوع به من بدهید.

میل به "چشمگیر" هوش مصنوعی را با داده های ساختگی یا طراحی گمراه کننده ای که تفاوت را اغراق آمیز می کند، تشویق می کند. تاثیرگذار بودن نباید مقدم بر صداقت باشد.

اعلان قدرتمند:

من یک کد نمودار میله ای می خواهم که بتوانم با داده های خودم اجرا کنم. پیام من: صادقانه نشان دادن تفاوت در میزان مشارکت بین چهار گروه. محور باید از صفر شروع شود، رنگ ها باید برای کوررنگی مناسب باشند و تفاوت نباید اغراق شود. [R/Python] کد، برازش شماره را بدهید. سپس 3 خطر را نام ببرید که این نمودار ممکن است گمراه کننده شود.

تفاوت: دستور دوم بر صداقت، دسترسی و داده های واقعی متمرکز است.

نوع نمودار بر اساس پیام

پیام

گرافیک مناسب

اجتناب شود

مقایسه رده ها

نمودار میله ای

کیک سه بعدی چند تکه

در طول زمان تغییر کند

نمودار خطی

کیک

توزیع

هیستوگرام، نمودار جعبه ای

میانگین تک

رابطه دو متغیر

پراکنده کردن

میله

بخش هایی از کل

کیک روی هم میله/پوند

کیک چند برش

اشتباهات رایج

• ساخت نمودار با داده های ساخته شده توسط هوش مصنوعی. هر عدد در پایین نمودار باید از داده های واقعی شما باشد.
• اغراق در تفاوت با محور چین خورده. این گمراه کننده است که یک تفاوت کوچک بزرگ به نظر برسد.
• انتخاب ژانری که با پیام همخوانی ندارد. این مانند نشان دادن روند زمان با یک پای است.
• فراموش کردن دسترسی گروه‌هایی که فقط بر اساس رنگ از هم جدا شده‌اند، خواننده کوررنگ را حذف نمی‌کنند.
• قرار دادن "موثر" بر "صادقانه". هدف بصری متقاعدسازی نیست، بلکه ارتباط صحیح است.

به طور خلاصه

تجسم داده ها راهی است که یافته های خود را صادقانه و واضح به خواننده منتقل می کند. هوش مصنوعی این یک کمک قدرتمند در پیشنهاد نوع نمودار مناسب، تهیه پیش نویس کد تجسم، ویرایش جداول، و بررسی طرح های گمراه کننده است. اما هر عدد در پایین نمودار باید از داده های واقعی شما باشد. یک نمودار زیبا که توسط "داده های نمونه" هوش مصنوعی تولید شده است، یافته شما نیست. پیام را واضح بیان کنید، ژانر مناسب را انتخاب کنید، محور و مقیاس را صادقانه نگه دارید، آن را در دسترس قرار دهید، و هرگز «موثر» را بر «صادقانه» قرار ندهید.

وظیفه کاربردی

مجموعه کوچکی از حقایق یا داده هایی را که خودتان جمع آوری کرده اید انتخاب کنید. با الگوی «انتخاب نوع نمودار»، نوع پیام خود را انتخاب کنید. با الگوی "کد تجسمی"، کد را از هوش مصنوعی بگیرید و آن را روی داده های خود اجرا کنید (هرگز با اعدادی که هوش مصنوعی ساخته است). همان داده ها را با یک محور خط چین رسم کنید، دو نمودار را در کنار هم قرار دهید و نشان دهید که چگونه با الگوی "بررسی صداقت" تفاوت اغراق شده است.

چک لیست

• [ ] من پیام واحدی را که نمودار سعی در انتقال آن دارد، روشن کرده ام.
• [ ] من نوع گرافیکی مناسب را برای پیام با توجیه انتخاب کردم.
• [ ] من نمودار را با خروجی واقعی خودم ایجاد کردم، نه ساختگی هوش مصنوعی.
• [ ] محور را از صفر شروع کردم و مقیاس را متناسب نگه داشتم.
• [ ] من از برچسب های رنگی و واضح استفاده کردم.