Winst:
- Mogelijkheid om het juiste diagramtype te kiezen voor de boodschap die u wilt overbrengen (vergelijking, trend, distributie, relatie)
- Mogelijkheid om te voorkomen dat grafieken worden gemaakt met gegevens die zijn samengesteld door kunstmatige intelligentie, door ervoor te zorgen dat elk getal onder de grafiek afkomstig is van zijn eigen echte gegevens.
- Mogelijkheid om misleidende ontwerpen, zoals gebroken assen en onevenredige schaal, te beheersen en toegankelijke, eerlijke beelden te produceren
Hoe solide een onderzoeksbevinding ook is, ze is nutteloos tenzij ze wordt begrepen. Datavisualisatie is de kunst van het gieten van numerieke en categorische gegevens in grafieken, tabellen en diagrammen, zodat de lezer het patroon in één oogopslag kan zien. Een goed diagram reduceert duizenden gegevensregels tot één bericht; Een slechte grafiek kan ervoor zorgen dat zelfs nauwkeurige gegevens misleidend lijken. In dit onderdeel leert u hoe u AI kunt gebruiken om het juiste diagramtype te kiezen, visualisatiecode op te stellen, tabellen te ordenen en bevindingen eerlijk te presenteren.
De rol van AI bij visualisatie is tweeledig. De eerste is het raadplegen: “welke grafiek is geschikt voor deze gegevens?” beantwoordt de vraag goed; zoals een staafdiagram voor vergelijkingen van twee categorieën, een lijndiagram voor veranderingen in de loop van de tijd, en – indien zorgvuldig gebruikt – een cirkeldiagram voor delen van een geheel. De tweede is het genereren van code: het opstellen van grafische code voor tools zoals R (ggplot2) of Python (matplotlib, seaborn). Maar wees voorzichtig: de cijfers onder de grafiek die de AI produceert, moeten afkomstig zijn uit uw echte gegevens; Een mooie grafiek die de AI produceert met ‘sample data’ is niet jouw bevinding. Bovendien kan AI onbewust een misleidende grafiek suggereren (stippellijn, onevenredige schaal); De integriteitscontrole is van jou.
Stap voor stap: van data naar eerlijke grafiek
1. Identificeer het bericht. Elk diagram moet één enkele vraag beantwoorden: "Wat wil ik laten zien?" Vergelijking, trend, distributie, relatie? Het diagramtype kan pas worden geselecteerd als het bericht duidelijk is.
2. Kies het juiste diagramtype. Het type varieert afhankelijk van het bericht. AI geeft beredeneerde suggesties op de vraag “Ik wil deze data tonen bij deze boodschap, welke grafiek?”
3. Pas integriteitsregels toe. Moet de as vanaf nul beginnen, is de schaal proportioneel, zijn de kleuren misleidend? AI helpt je te controleren of een grafiek misleidend is.
4. Ontwerp code en voer deze uit met UW gegevens. Laat de AI de grafische code schrijven; Voer het uit met uw eigen echte gegevens en controleer het resultaat.
5. Maak het toegankelijk. Kleurenblindheidsvriendelijke paletten, duidelijke labels, leesbare titels. AI suggereert deze verbeteringen.
Tip: Eenvoudige manier om de eerlijkheid van een diagram te testen: "Hoe kan iemand met slechte bedoelingen dit diagram misleidend maken?" is om te vragen. De gestippelde y-as zorgt ervoor dat het kleine verschil enorm lijkt; Een geselecteerde periode kan een trend omkeren. Laat de AI deze vallen scannen.
drie minikoffers
Geval 1 — Misleidende as gecorrigeerd. In één rapport leek het verschil tussen de twee groepen (51% versus 54%) op een ‘gigantische kloof’ in een grafiek waarbij de y-as begint bij 50. Toen de AI suggereerde dat de as vanaf nul zou beginnen, werd het verschil teruggebracht tot de werkelijke grootte, een klein verschil. De kaart werd eerlijk.
Geval 2 — De juiste soort bespaarde tijd. Eén onderzoeker beschikte over gegevens over de deelnamecijfers over vijf jaar, maar gebruikte een cirkeldiagram; De trend is niet verschenen. YZ stelde een "lijndiagram voor verandering in de loop van de tijd" voor en ggplot2 stelde de code op. De neerwaartse trend werd plotseling zichtbaar.
Geval 3 — Valse dataval. Toen een gebruiker de AI vroeg om een ‘grafiek van social media-gebruik door jongeren’, produceerde de AI een prachtige grafiek met verzonnen cijfers. De gebruiker had het bijna in het rapport gezet; Toen besefte hij dat deze cijfers niet zijn gegevens waren, maar de uitvinding van de AI. De grafiek is opnieuw gemaakt met echte gegevens.
Vier kopieerbare sjablonen
1) Selectie van het diagramtype:
Ik wil de volgende gegevens weergeven: [gegevensbeschrijving]. De boodschap die ik wil geven: [vergelijking/trend/verdeling/relatie]. Stel de twee meest geschikte diagramtypen voor dit bericht voor, met motivering. Vertel me waarom ik dingen moet vermijden die misleidend kunnen zijn (bijvoorbeeld taart met meerdere plakjes).
2) Visualisatiecode (ik voer het uit met mijn eigen gegevens):
Schets een [plottype]-code voor [R ggplot2 / Python matplotlib]. Mijn variabelen: [x], [y], [groep]. Schrijf de code met commentaar, begin de assen helemaal opnieuw, gebruik een toegankelijk kleurenpalet, plaats de titels en labels in het Turks. Voorbeeld nummer maken; Ik zal mijn gegevens koppelen.
3) Integriteitsaudit:
Ik beschrijf de volgende grafiek: [grafiek]. Kan het misleidend zijn? Controleer: is de as nul, is de schaal proportioneel, is het tijdsinterval geselecteerd, overdrijven kleuren een groep, vervormt het 3D-effect de waarneming? Stel voor elk risico oplossingen voor.
4) Tabelbewerking:
Converteer de volgende onbewerkte resultaten naar een overzichtelijke, leesbare resultatentabel: [x] in rijen, [y] in kolommen, waarde in cellen en percentage indien nodig. Rond het decimale getal consistent af en vermeld de bron in een voetnoot. Nummers wijzigen; gewoon bewerken. Gegevens: [hier]
Zwakke prompt/sterke prompt
Zwakke prompt:
Geef me een indrukwekkende afbeelding over dit onderwerp.
Het verlangen naar ‘indrukwekkend’ moedigt AI aan met verzonnen gegevens of een misleidend ontwerp dat het verschil overdrijft. Indrukwekkend zijn mag niet voorafgaan aan eerlijkheid.
Krachtige prompt:
Ik wil een staafdiagramcode die ik kan uitvoeren met mijn eigen gegevens. Mijn boodschap: om EERLIJK het verschil in participatiegraad tussen de vier groepen te laten zien. De as moet vanaf nul beginnen, de kleuren moeten geschikt zijn voor kleurenblindheid en het verschil mag niet worden overdreven. [R/Python] Geef code, nummer passend. Noem vervolgens 3 risico’s waarbij deze grafiek misleidend zou kunnen worden.
Het verschil: de tweede prompt gaat over eerlijkheid, toegankelijkheid en echte gegevens.
Grafiektype per bericht
Bericht
geschikte afbeelding
Te vermijden
Categorie vergelijking
staafdiagram
3D-taart met meerdere plakjes
veranderen in de loop van de tijd
lijndiagram
taart
distributie
Histogram, boxdiagram
enkel gemiddelde
Twee variabele relaties
verstrooien
staaf
delen van het geheel
Gestapelde bar/pond cake
Taart met meerdere plakjes
Veel voorkomende fouten
- Grafieken maken met data verzonnen door AI. Elk getal onder aan het diagram moet afkomstig zijn uit uw werkelijke gegevens.
- Het verschil overdrijven met de stippellijn. Het is misleidend om een klein verschil groot te laten lijken.
- Een genre kiezen dat niet bij de boodschap past. Het is alsof je de tijdtrend laat zien met een taart.
- Toegankelijkheid vergeten. Groepen die alleen door kleur gescheiden zijn, sluiten de kleurenblinde lezer uit.
- ‘Indrukwekkend’ vóór ‘eerlijk’ stellen. Het doel van het visuele is niet overtuigen, maar correcte communicatie.
Samengevat
Datavisualisatie is de manier om uw bevindingen eerlijk en duidelijk aan de lezer te communiceren. AI; Het is een krachtig hulpmiddel bij het voorstellen van het juiste diagramtype, het opstellen van visualisatiecode, het bewerken van tabellen en het controleren op misleidende ontwerpen. Maar elk getal onderaan het diagram moet afkomstig zijn uit uw feitelijke gegevens; Een mooie grafiek geproduceerd door de ‘voorbeeldgegevens’ van AI is niet jouw bevinding. Maak de boodschap duidelijk, kies het juiste genre, houd de as en schaal eerlijk, maak deze toegankelijk en zet ‘indrukwekkend’ nooit vóór ‘eerlijk’.
Applicatie taak
Kies een kleine set feiten of gegevens die u zelf heeft verzameld. Kies het type dat bij uw boodschap past met het sjabloon 'Grafiektype selecteren'. Met de ‘visualisatiecode’-sjabloon neem je code van de AI en voer je deze uit op je eigen data (nooit met cijfers die de AI heeft verzonnen). Zet dezelfde gegevens uit met een gestippelde as, plaats de twee grafieken naast elkaar en laat zien hoe het verschil wordt overdreven met de 'honesty check'-sjabloon.
controlelijst
- [ ] Ik heb de enige boodschap die de kaart probeert over te brengen verduidelijkt.
- [ ] Ik heb het juiste grafische type voor het bericht gekozen, met verantwoording.
- [ ] Ik heb de grafiek gegenereerd met mijn eigen echte output, niet met een AI-verzinsel.
- [ ] Ik startte de as op nul en hield de schaal proportioneel.
- [ ] Ik heb toegankelijke kleuren en duidelijke labels gebruikt.