Dobici:
- Mogućnost odabira odgovarajuće vrste grafikona za poruku koju želite dati (usporedba, trend, distribucija, odnos)
- Sposobnost izbjegavanja izrade grafikona s podacima koje je izradila umjetna inteligencija osiguravajući da svaki broj ispod grafikona dolazi iz vlastitih stvarnih podataka.
- Sposobnost kontrole dizajna koji dovode u zabludu kao što su slomljena os i neproporcionalno mjerilo i stvaranje pristupačnih, iskrenih vizualnih prikaza
Koliko god nalaz istraživanja bio čvrst, beskoristan je ako se ne razumije. Vizualizacija podataka je umjetnost pretakanja numeričkih i kategoričkih podataka u grafikone, tablice i dijagrame kako bi čitatelj mogao vidjeti uzorak na prvi pogled. Dobar grafikon reducira tisuće redaka podataka u jednu poruku; Zbog lošeg grafikona čak i točni podaci mogu izgledati pogrešno. U ovoj jedinici naučit ćete kako koristiti AI za odabir prave vrste grafikona, nacrt koda za vizualizaciju, organiziranje tablica i pošteno prezentiranje nalaza.
Uloga umjetne inteligencije u vizualizaciji je dvostruka. Prvi je savjetovanje: "koji je grafikon prikladan za ove podatke?" dobro odgovara na pitanje; kao što je trakasti grafikon za usporedbu dviju kategorija, linijski grafikon za promjene tijekom vremena i — ako se pažljivo koristi — tortni grafikon za dijelove cjeline. Drugi je generiranje 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 potjecati iz vaših stvarnih podataka; Lijep grafikon koji AI proizvodi s "uzorcima podataka" nije vaše otkriće. Dodatno, umjetna inteligencija može nesvjesno predložiti pogrešan grafikon (iscrtkana os, neproporcionalno mjerilo); Provjera integriteta je vaša.
Korak po korak: od podataka do poštenog grafikona
1. Prepoznajte poruku. Svaki grafikon treba odgovoriti na jedno pitanje: "Što želim pokazati?" Usporedba, trend, distribucija, odnos? Vrsta grafikona ne može se odabrati dok poruka ne bude jasna.
2. Odaberite ispravnu vrstu grafikona. Vrsta se razlikuje ovisno o poruci. AI daje obrazložene prijedloge na pitanje "Želim prikazati ove podatke ovom porukom, koji grafikon?"
3. Primijenite pravila integriteta. Treba li os krenuti od nule, je li mjerilo proporcionalno, jesu li boje krive? AI vam pomaže provjeriti dovodi li grafikon u zabludu.
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 oznake, čitljivi naslovi. AI predlaže ova poboljšanja.
Savjet: Jednostavan način testiranja poštenja grafikona: "Kako bi netko s lošim namjerama mogao ovaj grafikon dovesti u zabludu?" je pitati. Isprekidana y-os čini da mala razlika izgleda ogromno; Odabrano vremensko razdoblje može preokrenuti trend. Neka AI skenira ove zamke.
tri mini kućišta
Slučaj 1 — Ispravljena pogrešna os. U jednom izvješću, razlika između dvije grupe (51% naspram 54%) izgledala je kao "divovski jaz" na grafu s y-osom koja počinje na 50. Kada je AI predložio da os počinje od nule, razlika je smanjena na svoju stvarnu veličinu, malu razliku. Grafikon je postao iskren.
Slučaj 2 — Prava vrsta ušteđenog vremena. Jedan je istraživač imao petogodišnje podatke o stopi sudjelovanja, ali je koristio tortni grafikon; Trend se nije pojavio. YZ je predložio "linijski grafikon za promjene tijekom vremena", a ggplot2 je izradio kod. Trend pada odjednom je postao čitljiv.
Slučaj 3 — zamka lažnih podataka. Kada je korisnik zatražio od umjetne inteligencije "graf korištenja društvenih medija od strane mladih", umjetna inteligencija je proizvela prekrasan grafikon s izmišljenim brojevima. Korisnik je to skoro stavio u izvješće; Tada je shvatio da ti brojevi nisu njegovi podaci, već izum umjetne inteligencije. Grafikon je prerađen sa stvarnim podacima.
Četiri predloška za kopiranje
1) Odabir vrste grafikona:
Želim prikazati sljedeće podatke: [opis podataka]. Poruka koju želim dati: [usporedba/trend/distribucija/odnos]. Predložite 2 najprikladnije vrste grafikona za ovu poruku, s obrazloženjem. Recite mi zašto bih trebao izbjegavati stvari koje bi mogle dovesti u zabludu (npr. kolač s više kriški).
2) Kod za vizualizaciju (pokrenut ću ga sa svojim podacima):
Skicirajte kod [vrsta crteža] 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 turski. Primjer izrade brojeva; Povezat ću svoje podatke.
3) Revizija integriteta:
Opisujem sljedeći grafikon: [graf]. Može li biti zabluda? Provjerite: je li os nula, je li mjerilo proporcionalno, je li odabran vremenski interval, preuveličavaju li boje grupu, iskrivljuje li 3D efekt percepciju? Predložite popravke za svaki rizik.
4) Uređivanje tablice:
Pretvorite sljedeće neobrađene rezultate u čistu, čitljivu tablicu rezultata: [x] u recima, [y] u stupcima, vrijednost u ćelijama i postotak ako je potrebno. Decimalni broj dosljedno zaokružite, izvor navedite u bilješci. Mijenjanje brojeva; samo uredi. Podaci: [ovdje]
Slab upit / Jak upit
Slab upit:
Daj mi impresivnu grafiku na ovu temu.
Želja za "impresivnim" potiče umjetnu inteligenciju ili izmišljenim podacima ili pogrešnim dizajnom koji preuveličava razliku. Biti impresivan ne smije biti ispred iskrenosti.
Snažan upit:
Želim kôd trakastog grafikona koji mogu pokrenuti sa svojim podacima. Moja poruka: pokazati ISKRENO razliku u stopi sudjelovanja između četiri grupe. Os treba krenuti od nule, boje trebaju biti prikladne za daltonizam, a razlika se ne smije pretjerivati. [R/Python] Daj kod, uklapanje broja. Zatim navedite 3 rizika u kojima bi ovaj grafikon mogao dovesti u zabludu.
Razlika: drugi upit usredotočen je na iskrenost, dostupnost i stvarne podatke.
Vrsta grafikona prema poruci
Poruka
prikladna grafika
Za izbjegavanje
Usporedba kategorija
stupčasti grafikon
3D, višeslojna torta
mijenjati tijekom vremena
linijski grafikon
kolač
raspodjela
Histogram, box chart
pojedinačni prosjek
Odnos dvije varijable
raspršiti se
šipka
dijelovi cjeline
Složeni kolač od šipki/kila
Kolač s više kriški
Uobičajene greške
- Izrada grafikona s podacima koje je izradila umjetna inteligencija. Svaki broj na dnu grafikona mora potjecati iz vaših stvarnih podataka.
- Preuveličavanje razlike s crtkanom osi. Pogrešno je činiti da se mala razlika čini velikom.
- Odabir žanra koji ne odgovara poruci. To je kao da tortom pokazujete kretanje vremena.
- Zaboravljajući pristupačnost. Grupe odvojene samo bojom isključuju daltoniste.
- Staviti "impresivno" ispred "iskreno". Svrha vizuala nije uvjeravanje, već ispravna komunikacija.
Ukratko
Vizualizacija podataka je način da svoje otkriće priopćite čitatelju iskreno i jasno. AI; To je moćna pomoć u predlaganju odgovarajuće vrste grafikona, izradi koda za vizualizaciju, uređivanju tablica i provjeri dizajna koji dovode u zabludu. Ali svaki broj na dnu grafikona mora potjecati iz vaših stvarnih podataka; Prekrasan grafikon koji proizvodi AI-jev "uzorak podataka" nije vaše otkriće. Neka poruka bude jasna, odaberite pravi žanr, neka os i skala budu pošteni, učinite je pristupačnom i nikada ne stavljajte "impresivno" ispred "iskreno".
Zadatak aplikacije
Odaberite mali skup činjenica ili podataka koje ste sami prikupili. Odaberite vrstu koja odgovara vašoj poruci s predloškom "Odabir vrste grafikona". S predloškom "vizualizacijskog koda" uzmite kod iz AI-a i pokrenite ga na vlastitim podacima (nikada s brojevima koje je AI-ja napravio). Iscrtajte iste podatke iscrtkanom osi, stavite dva grafikona jedan pored drugog i pokažite kako je razlika preuveličana pomoću predloška "provjera poštenja".
popis za provjeru
- [ ] Pojasnio sam jednu poruku koju grafikon pokušava prenijeti.
- [ ] Izabrao sam odgovarajuću grafičku vrstu za poruku s obrazloženjem.
- [ ] Generirao sam grafikon sa svojim stvarnim rezultatom, a ne izmišljotinom umjetne inteligencije.
- [ ] Započeo sam os od nule i zadržao mjerilo proporcionalno.
- [ ] Koristio sam pristupačnu boju i jasne oznake.