Zyski:
- Możliwość wyboru odpowiedniego typu wykresu dla komunikatu, jaki chcesz przekazać (porównanie, trend, rozkład, relacja)
- Możliwość uniknięcia tworzenia wykresów z danymi stworzonymi przez sztuczną inteligencję poprzez zapewnienie, że każda liczba pod wykresem pochodzi z własnych, rzeczywistych danych.
- Możliwość kontrolowania wprowadzających w błąd projektów, takich jak złamana oś i nieproporcjonalna skala, oraz tworzenia przystępnych, uczciwych efektów wizualnych
Bez względu na to, jak solidne są wyniki badań, są one bezużyteczne, jeśli nie zostaną zrozumiane. Wizualizacja danych to sztuka umieszczania danych liczbowych i kategorycznych na wykresach, tabelach i wykresach, tak aby czytelnik mógł od razu zobaczyć wzór. Dobry wykres redukuje tysiące wierszy danych do jednej wiadomości; Zły wykres może sprawić, że nawet dokładne dane będą wyglądać na mylące. W tej części dowiesz się, jak używać sztucznej inteligencji do wybierania odpowiedniego typu wykresu, tworzenia kodu wizualizacji, organizowania tabel i uczciwego przedstawiania wyników.
Rola sztucznej inteligencji w wizualizacji jest dwojaka. Pierwszym z nich jest konsultacja: „który wykres jest odpowiedni dla tych danych?” dobrze odpowiada na pytanie; takie jak wykres słupkowy do porównań dwóch kategorii, wykres liniowy zmian w czasie i – jeśli jest używany ostrożnie – wykres kołowy części całości. Drugim jest generowanie kodu: kreślenie kodu graficznego dla narzędzi takich jak R (ggplot2) czy Python (matplotlib, seaborn). Ale bądź ostrożny: liczby poniżej wykresu generowanego przez sztuczną inteligencję muszą pochodzić z Twoich prawdziwych danych; Ładny wykres, który tworzy sztuczna inteligencja z „przykładowymi danymi”, nie jest twoim odkryciem. Ponadto sztuczna inteligencja może nieświadomie zasugerować mylący wykres (oś przerywana, nieproporcjonalna skala); Kontrola integralności należy do Ciebie.
Krok po kroku: od danych do rzetelnego wykresu
1. Zidentyfikuj wiadomość. Każdy wykres powinien odpowiadać na jedno pytanie: „Co chcę pokazać?” Porównanie, trend, dystrybucja, związek? Nie można wybrać typu wykresu, dopóki komunikat nie zostanie wyjaśniony.
2. Wybierz właściwy typ wykresu. Typ różni się w zależności od wiadomości. AI podaje uzasadnione sugestie na pytanie „Chcę pokazać te dane za pomocą tej wiadomości. Który wykres?”
3. Stosuj zasady uczciwości. Czy oś powinna zaczynać się od zera, czy skala jest proporcjonalna, czy kolory nie wprowadzają w błąd? Sztuczna inteligencja pomaga sprawdzić, czy wykres wprowadza w błąd.
4. Przygotuj kod i uruchom go z TWOIMI danymi. Pozwól AI napisać kod graficzny; Uruchom go z własnymi, rzeczywistymi danymi i sprawdź wynik.
5. Udostępnij. Palety przyjazne dla daltonistów, wyraźne etykiety, czytelne tytuły. AI sugeruje te ulepszenia.
Wskazówka: prosty sposób sprawdzenia rzetelności wykresu: „Jak osoba mająca złe intencje mogła wprowadzić ten wykres w błąd?” jest zapytać. Przerywana oś Y sprawia, że niewielka różnica wygląda na ogromną; Wybrany okres może odwrócić trend. Niech sztuczna inteligencja przeskanuje te pułapki.
trzy mini etui
Przypadek 1 — poprawiono wprowadzającą w błąd oś. W jednym z raportów różnica między obiema grupami (51% vs. 54%) wyglądała jak „gigantyczna luka” na wykresie z osią Y zaczynającą się od 50. Kiedy sztuczna inteligencja zasugerowała, że oś zaczyna się od zera, różnica została zredukowana do rzeczywistej wielkości, co jest niewielką różnicą. Wykres stał się uczciwy.
Przypadek 2 — Właściwy sposób zaoszczędził czas. Jeden z badaczy dysponował danymi dotyczącymi wskaźnika uczestnictwa za okres 5 lat, ale korzystał z wykresu kołowego; Trend nie pojawił się. YZ zaproponował „wykres liniowy zmian w czasie”, a ggplot2 przygotował projekt kodu. Trend spadkowy nagle stał się czytelny.
Przypadek 3 – Fałszywa pułapka danych. Kiedy użytkownik poprosił sztuczną inteligencję o „wykres korzystania z mediów społecznościowych przez młodych ludzi”, sztuczna inteligencja stworzyła piękny wykres z wymyślonymi liczbami. Użytkownik prawie umieścił to w raporcie; Potem zdał sobie sprawę, że te liczby nie są jego danymi, ale wynalazkiem sztucznej inteligencji. Wykres został przerobiony z wykorzystaniem rzeczywistych danych.
Cztery szablony do kopiowania
1) Wybór rodzaju wykresu:
Chcę wyświetlić następujące dane: [opis danych]. Wiadomość, którą chcę przekazać: [porównanie/trend/dystrybucja/relacja]. Zaproponuj 2 najbardziej odpowiednie typy wykresów dla tej wiadomości, wraz z uzasadnieniem. Powiedz mi, dlaczego powinienem unikać rzeczy, które mogą wprowadzać w błąd (np. ciasta z wieloma plasterkami).
2) Kod wizualizacji (uruchomię go z własnymi danymi):
Naszkicuj kod [typ wykresu] dla [R ggplot2 / Python matplotlib]. Moje zmienne: [x], [y], [grupa]. Napisz kod z komentarzami, zacznij osie od zera, skorzystaj z dostępnej palety kolorów, umieść tytuły i etykiety w języku tureckim. Przykładowe tworzenie liczb; Połączę moje dane.
3) Audyt integralności:
Opisuję następujący wykres: [wykres]. Czy może wprowadzać w błąd? Sprawdź: czy oś jest zerowa, czy skala jest proporcjonalna, czy wybrano przedział czasu, czy kolory nie wyolbrzymiają grupy, czy efekt 3D zniekształca percepcję? Zaproponuj poprawki dla każdego ryzyka.
4) Edycja tabeli:
Przekształć następujące nieprzetworzone wyniki w przejrzystą, czytelną tabelę wyników: [x] w wierszach, [y] w kolumnach, wartość w komórkach i, jeśli to konieczne, wartość procentowa. Konsekwentnie zaokrąglaj liczbę dziesiętną, w przypisie podaj źródło. Zmiana numerów; po prostu edytuj. Dane: [tutaj]
Słaba zachęta/silna zachęta
Słaba zachęta:
Daj mi imponującą grafikę na ten temat.
Pragnienie „imponowania” zachęca sztuczną inteligencję albo do sfabrykowanych danych, albo do wprowadzającego w błąd projektu, który wyolbrzymia różnicę. Bycie imponującym nie powinno poprzedzać bycia uczciwym.
Potężny monit:
Chcę kod wykresu słupkowego, który mogę uruchomić na podstawie własnych danych. Moje przesłanie: pokazać uczciwie różnicę we wskaźniku uczestnictwa pomiędzy czterema grupami. Oś powinna zaczynać się od zera, kolory powinny być odpowiednie dla ślepoty barw, a różnica nie powinna być przesadzona. [R/Python] Podaj kod, dopasowanie liczby. Następnie wymień 3 rodzaje ryzyka, w przypadku których wykres może wprowadzać w błąd.
Różnica: druga zachęta koncentruje się na uczciwości, dostępności i prawdziwych danych.
Typ wykresu według wiadomości
Wiadomość
odpowiednia grafika
Należy unikać
Porównanie kategorii
wykres słupkowy
Ciasto 3D, wieloczęściowe
zmieniać się w czasie
wykres liniowy
ciasto
dystrybucja
Histogram, wykres pudełkowy
pojedyncza średnia
Dwie zmienne relacje
rozproszyć
pręt
części całości
Ułożony batonik/ciasto funtowe
Ciasto wieloczęściowe
Typowe błędy
- Tworzenie wykresów z danymi utworzonymi przez sztuczną inteligencję. Każda liczba na dole wykresu musi pochodzić z Twoich rzeczywistych danych.
- Wyolbrzymianie różnicy za pomocą przerywanej osi. Udawanie, że niewielka różnica wydaje się ogromna, jest mylące.
- Wybór gatunku, który nie pasuje do przekazu. To jakby pokazać trend czasowy za pomocą ciasta.
- Zapominając o dostępności. Grupy oddzielone jedynie kolorem wykluczają czytnik dla daltonistów.
- Stawianie „imponującego” przed „uczciwym”. Celem wizualizacji nie jest perswazja, ale poprawna komunikacja.
Podsumowując
Wizualizacja danych to sposób na uczciwe i jasne przekazanie czytelnikowi swoich ustaleń. sztuczna inteligencja; Jest to potężna pomoc w sugerowaniu odpowiedniego typu wykresu, tworzeniu kodu wizualizacji, edytowaniu tabel i sprawdzaniu, czy projekty nie wprowadzają w błąd. Ale każda liczba na dole wykresu musi pochodzić z rzeczywistych danych; Piękny wykres utworzony na podstawie „przykładowych danych” sztucznej inteligencji nie jest Twoim odkryciem. Spraw, aby przekaz był jasny, wybierz odpowiedni gatunek, zachowaj uczciwość osi i skali, udostępnij go i nigdy nie przedkładaj słowa „imponujące” przed „uczciwe”.
Zadanie aplikacji
Wybierz niewielki zestaw faktów lub danych, które sam zebrałeś. Wybierz typ, który pasuje do Twojego przekazu za pomocą szablonu „Wybór typu wykresu”. Dzięki szablonowi „kodu wizualizacji” pobierz kod z AI i uruchom go na własnych danych (nigdy z liczbami wymyślonymi przez AI). Narysuj te same dane na osi przerywanej, umieść oba wykresy obok siebie i pokaż, w jaki sposób różnica jest wyolbrzymiona, korzystając z szablonu „sprawdzanie uczciwości”.
lista kontrolna
- [ ] Wyjaśniłem pojedynczą wiadomość, którą wykres próbuje przekazać.
- [ ] Wybrałem odpowiedni rodzaj grafiki dla wiadomości z uzasadnieniem.
- [ ] Wygenerowałem wykres na podstawie moich własnych rzeczywistych wyników, a nie wytworu sztucznej inteligencji.
- [ ] Zacząłem oś od zera i zachowałem proporcjonalność skali.
- [ ] Użyłem przystępnych, kolorowych i wyraźnych etykiet.