Mga nadagdag:
- Kakayahang pumili ng naaangkop na uri ng tsart para sa mensaheng nais mong ibigay (paghahambing, kalakaran, pamamahagi, kaugnayan)
- Kakayahang maiwasan ang paggawa ng mga graph na may data na binubuo ng artificial intelligence sa pamamagitan ng pagtiyak na ang bawat numero sa ilalim ng graph ay nagmumula sa sarili nitong totoong data.
- Kakayahang kontrolin ang mga mapanlinlang na disenyo tulad ng sirang axis at hindi katimbang na sukat at makagawa ng naa-access, tapat na mga visual
Gaano man katibay ang paghahanap ng pananaliksik, ito ay walang silbi maliban kung ito ay naiintindihan. Ang data visualization ay ang sining ng pagbuhos ng numerical at categorical na data sa mga graph, table, at chart para makita ng mambabasa ang pattern sa isang sulyap. Ang isang mahusay na tsart ay binabawasan ang libu-libong linya ng data sa isang solong mensahe; Ang isang masamang chart ay maaaring magmukhang mapanlinlang kahit ang tumpak na data. Sa unit na ito, matututunan mo kung paano gamitin ang AI para piliin ang tamang uri ng chart, draft visualization code, ayusin ang mga talahanayan, at ipakita ang mga natuklasan nang tapat.
Dalawang beses ang papel ng AI sa visualization. Ang una ay ang pagkonsulta: "aling graph ang angkop para sa data na ito?" sinasagot ng maayos ang tanong; gaya ng bar chart para sa mga paghahambing ng dalawang kategorya, isang line chart para sa pagbabago sa paglipas ng panahon, at — kung ginamit nang mabuti — isang pie chart para sa mga bahagi ng isang kabuuan. Ang pangalawa ay ang pagbuo ng code: pag-draft ng graphical code para sa mga tool tulad ng R (ggplot2) o Python (matplotlib, seaborn). Ngunit mag-ingat: ang mga numero sa ibaba ng graph na ginagawa ng AI ay dapat magmula sa iyong tunay na data; Ang isang magandang graph na ginawa ng AI na may "sample na data" ay hindi ang iyong paghahanap. Bukod pa rito, maaaring hindi sinasadyang magmungkahi ng AI ng mapanlinlang na graph (dashed axis, disproportionate scale); Ang integrity check ay sa iyo.
Hakbang-hakbang: mula sa data hanggang sa matapat na tsart
1. Tukuyin ang mensahe. Dapat sagutin ng bawat tsart ang isang tanong: "Ano ang gusto kong ipakita?" Paghahambing, kalakaran, pamamahagi, relasyon? Hindi mapipili ang uri ng chart hanggang sa malinaw ang mensahe.
2. Piliin ang tamang uri ng tsart. Ang uri ay nag-iiba depende sa mensahe. Nagbibigay ang AI ng mga makatwirang mungkahi sa tanong na "Gusto kong ipakita ang data na ito gamit ang mensaheng ito, aling graph?"
3. Ilapat ang mga panuntunan sa integridad. Dapat bang magsimula ang axis sa zero, proporsyonal ba ang sukat, nakakapanlinlang ba ang mga kulay? Tinutulungan ka ng AI na suriin kung nakakapanlinlang ang isang chart.
4. Draft code at patakbuhin ito gamit ang IYONG data. Hayaang isulat ng AI ang graphics code; Patakbuhin ito gamit ang iyong sariling totoong data at suriin ang resulta.
5. Gawin itong accessible. Color blindness friendly na palettes, malinaw na mga label, nababasang mga pamagat. Iminumungkahi ng AI ang mga pagpapahusay na ito.
Tip: Simpleng paraan upang subukan ang katapatan ng isang chart: "Paano magagawa ng isang taong may masamang intensyon na mapanlinlang ang chart na ito?" ay magtanong. Ang putol-putol na y-axis ay ginagawang napakalaki ng maliit na pagkakaiba; Maaaring baligtarin ng napiling yugto ng panahon ang isang trend. Ipa-scan sa AI ang mga bitag na ito.
tatlong mini case
Case 1 — Naitama ang mapanlinlang na axis. Sa isang ulat, ang pagkakaiba sa pagitan ng dalawang grupo (51% kumpara sa 54%) ay mukhang isang "higanteng puwang" sa isang graph na may y-axis na nagsisimula sa 50. Nang iminungkahi ng AI na magsimula ang axis mula sa zero, ang pagkakaiba ay nabawasan sa aktwal na laki nito, isang maliit na pagkakaiba. Naging tapat ang tsart.
Case 2 — Ang tamang uri ng natipid na oras. Ang isang mananaliksik ay mayroong 5 taon ng data ng rate ng paglahok ngunit gumagamit ng pie chart; Hindi lumitaw ang uso. Nagmungkahi ang YZ ng "line chart para sa pagbabago sa paglipas ng panahon" at ang ggplot2 ay nag-draft ng code. Ang pababang uso ay biglang naging nababasa.
Kaso 3 — Pekeng data trap. Nang humingi ang isang user sa AI ng "graph ng paggamit ng social media ng mga kabataan", gumawa ang AI ng magandang graph na may mga ginawang numero. Ang gumagamit ay halos ilagay ito sa ulat; Pagkatapos ay napagtanto niya na ang mga numerong ito ay hindi ang kanyang data, ngunit ang pag-imbento ng AI. Ang tsart ay muling ginawa gamit ang totoong data.
Apat na maaaring kopyahin na mga template
1) Pagpili ng uri ng tsart:
Gusto kong ipakita ang sumusunod na data: [data description]. Ang mensaheng gusto kong ibigay: [paghahambing/trend/distribusyon/relasyon]. Imungkahi ang 2 pinakaangkop na uri ng chart para sa mensaheng ito, na may katwiran. Sabihin sa akin kung bakit dapat kong iwasan ang mga bagay na maaaring mapanlinlang (hal. cake na may maraming hiwa).
2) Visualization code (papatakbo ko ito gamit ang sarili kong data):
Mag-sketch ng [uri ng plot] code para sa [R ggplot2 / Python matplotlib]. Aking mga variable: [x], [y], [grupo]. Isulat ang code na may mga komento, simulan ang mga axes mula sa simula, gumamit ng isang naa-access na paleta ng kulay, ilagay ang mga pamagat at label sa Turkish. Halimbawa ng paggawa ng numero; Ikokonekta ko ang aking data.
3) Pag-audit ng integridad:
Inilalarawan ko ang sumusunod na graph: [graph]. Maaaring ito ay nakaliligaw? Suriin: zero ba ang axis, proporsyonal ba ang sukat, napili ba ang agwat ng oras, pinalalaki ba ng mga kulay ang isang grupo, nasisira ba ng 3D effect ang perception? Magmungkahi ng mga pag-aayos para sa bawat panganib.
4) Pag-edit ng talahanayan:
I-convert ang mga sumusunod na raw na resulta sa isang malinis, nababasang talahanayan ng mga resulta: [x] sa mga row, [y] sa mga column, value sa mga cell, at porsyento kung kinakailangan. Bilugan ang decimal na numero nang pare-pareho, ipahiwatig ang pinagmulan sa isang footnote. Pagbabago ng mga numero; edit lang. Data: [dito]
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Bigyan mo ako ng kahanga-hangang graphic sa paksang ito.
Ang pagnanais para sa "kahanga-hanga" ay hinihikayat ang AI sa alinman sa gawa-gawang data o isang mapanlinlang na disenyo na nagpapalaki sa pagkakaiba. Ang pagiging kahanga-hanga ay hindi dapat unahin bago ang pagiging tapat.
Napakahusay na prompt:
Gusto ko ng bar chart code na maaari kong patakbuhin gamit ang sarili kong data. Ang aking mensahe: upang ipakita nang MATAPAT ang pagkakaiba sa rate ng paglahok sa pagitan ng apat na grupo. Ang axis ay dapat magsimula sa zero, ang mga kulay ay dapat na angkop para sa pagkabulag ng kulay, at ang pagkakaiba ay hindi dapat palakihin. [R/Python] Magbigay ng code, pagkakabit ng numero. Pagkatapos ay pangalanan ang 3 panganib kung saan maaaring maging mapanlinlang ang graph na ito.
Ang pagkakaiba: ang pangalawang prompt ay nakasentro sa katapatan, accessibility at totoong data.
Uri ng tsart ayon sa mensahe
Mensahe
angkop na graphic
Para iwasan
Paghahambing ng kategorya
bar chart
3D, multi-slice na cake
pagbabago sa paglipas ng panahon
tsart ng linya
cake
pamamahagi
Histogram, tsart ng kahon
solong average
Dalawang variable na relasyon
magkalat
pamalo
bahagi ng kabuuan
Naka-stack na bar/pound cake
Multi-slice na cake
Mga karaniwang pagkakamali
- Paggawa ng mga graph gamit ang data na binubuo ng AI. Ang bawat numero sa ibaba ng chart ay dapat nanggaling sa iyong aktwal na data.
- Pinalalaki ang pagkakaiba sa dashed axis. Ito ay nakaliligaw na gumawa ng isang maliit na pagkakaiba na tila malaki.
- Pagpili ng genre na hindi akma sa mensahe. Ito ay tulad ng pagpapakita ng takbo ng oras na may pie.
- Nakakalimutan ang accessibility. Ang mga pangkat na pinaghihiwalay lamang ng kulay ay hindi kasama ang colorblind reader.
- Inilalagay ang "kahanga-hanga" bago ang "tapat." Ang layunin ng visual ay hindi panghihikayat, ngunit tamang komunikasyon.
Sa buod
Ang data visualization ay ang paraan upang maiparating nang tapat at malinaw ang iyong nahanap sa mambabasa. AI; Ito ay isang malakas na tulong sa pagmumungkahi ng tamang uri ng tsart, pagbalangkas ng visualization code, pag-edit ng mga talahanayan, at pagsuri para sa mga mapanlinlang na disenyo. Ngunit ang bawat numero sa ibaba ng tsart ay dapat nanggaling sa iyong aktwal na data; Ang isang magandang graph na ginawa ng "sample data" ng AI ay hindi ang iyong paghahanap. Gawing malinaw ang mensahe, piliin ang tamang genre, panatilihing tapat ang axis at sukat, gawin itong naa-access, at huwag ilagay ang "kahanga-hanga" bago ang "tapat."
Gawain ng aplikasyon
Pumili ng isang maliit na hanay ng mga katotohanan o data na nakolekta mo mismo. Piliin ang uri na nababagay sa iyong mensahe gamit ang template na "Pagpili ng uri ng chart." Gamit ang template na "visualization code", kumuha ng code mula sa AI at patakbuhin ito sa iyong sariling data (hindi kailanman gamit ang mga numero na ginawa ng AI). I-plot ang parehong data gamit ang isang dashed axis, ilagay ang dalawang graph na magkatabi, at ipakita kung paano pinalaki ang pagkakaiba gamit ang template na "honesty check."
checklist
- [ ] Nilinaw ko ang nag-iisang mensahe na sinusubukang ihatid ng tsart.
- [ ] Pinili ko ang naaangkop na uri ng graphic para sa mensaheng may katwiran.
- [ ] Binuo ko ang chart gamit ang sarili kong tunay na output, hindi isang AI fabrication.
- [ ] Sinimulan ko ang axis sa zero at pinananatiling proporsyonal ang sukat.
- [ ] Gumamit ako ng naa-access na kulay at malinaw na mga label.