JMP's Graph Builder can generate dozens of types of charts, but it always starts with some form of dot plot. The idea is to show the data in its most basic representation, one dot per row. Beyond the familiar scatterplot form with two continuous variables, dot plots adapt to many situations: with any combination of continuous and categorical variables, with univariate data, with multivariate data and with small or medium sized data sets.
Tuttavia, in una situazione, il diagramma a punti viene invariabilmente sostituito con un grafico a barre, anche a costo di oscurare o distorcere i dati: quando c'è una variabile continua, una variabile categoriale con un valore di dati per combinazione. Dopo aver visto un altro grafico a barre troncato, mi sono chiesto perché su Twitter e ho trovato il pensiero simile da educatore e consulente di visualizzazione dei dati Nick Desbarats di Segnalazione pratica . Abbiamo deciso di collaborare a questo articolo, e nella prossima sezione, Nick descrive il problema dalle sue esperienze di insegnamento.
Una trama?
Uno dei tipi di grafici che io [Nick] coprono quando insegno a Stephen Few Fammi vedere i numeri corso è la trama dei puntini di Cleveland (dal nome del ricercatore pionieristico di visualizzazione dei dati William S. Cleveland):
Se sei come la maggior parte dei miei partecipanti al workshop, tuttavia, non riconoscerai questo tipo di grafico. Quando chiedo ai partecipanti se ne hanno già visto uno, tra lo 0% e il 10% delle mani solitamente salgono. Immediatamente dopo le poche mani che salgono, un numero molto più grande di sopracciglia si abbassa inevitabilmente. L'emozione dominante sui volti dei partecipanti è inconfondibile: è confusione.
Se sei confuso, lasciami spiegare: il grafico qui sopra è essenzialmente un grafico a barre orizzontale con sette barre, ma con la fine di ogni barra indicata da un punto e le barre rimosse. Perché dovrei usare punti invece di barre? Perché, se usassi le barre, il mio grafico sarebbe simile a questo:
Un grafico a barre come questo sarebbe fuorviante perché, per esempio, il record del Brasile è circa il doppio rispetto all'Indonesia, poiché il suo bar è circa il doppio. Guardando la scala dei valori sotto le barre ci dice che non è nemmeno vicino al vero, comunque. Questo problema percettivo è il motivo per cui i grafici a barre con scale quantitative che non includono lo zero sono a buone pratiche no-no . Un modo per risolverlo sarebbe iniziare la scala a zero:
Questo è percettivamente più sicuro ma, con questi dati particolari, è difficile vedere le differenze tra i valori poiché sono così vicini l'uno all'altro. Se confrontiamo i record di salto in lungo, tuttavia, le piccole differenze sono molto importanti, quindi questo grafico non sarebbe un modo molto efficace per visualizzare questi dati. Come possiamo visualizzare questi valori in un modo che permetta di vedere chiaramente le differenze tra di loro, ma anche di non rischiare di indurre le persone a percepirle visualmente? La trama dei punti di Cleveland:
Poiché non ci sono lunghezze di barre da confrontare in un diagramma a punti, il rischio che gli spettatori percepiscano erroneamente che, ad esempio, il record del Brasile è doppio rispetto a quello dell'Indonesia è molto più basso, ma possono anche vedere le piccole differenze tra i valori molto più chiaramente e facilmente. Come ho detto, utile.
Sì, la confusione che provano i miei partecipanti al workshop è di breve durata. Dopo una spiegazione di 30 secondi, le sopracciglia tornano su e un tranquillo "ooooh ..." si alza dalla stanza. E sì, anche senza la mia spiegazione, la maggior parte dei partecipanti finirà per capirlo, anche se mi chiedo quanti si sarebbero presi la briga di fare quel viaggio senza aiuto. I partecipanti regolarmente (e timidamente) mi dicono che, anche se ora capiscono come funzionano i dot plot e quanto sono utili, non li useranno perché il loro pubblico non si preoccuperà di capirli.
Potenziali cause di confusione
Per quelli di noi che hanno familiarità con dot plot, questo sembra strano. Perché così tante persone hanno difficoltà ad afferrare i dot-plot quando quelle stesse persone non hanno problemi ad afferrare grafici a barre e grafici a linee, così come altri tipi di grafici che sono forse meno intuitivi, come i grafici a dispersione? Dopo aver osservato migliaia di persone che hanno reagito vedendo un dot plot per la prima volta, una combinazione di fattori ora sembra plausibile:
- Sembra un grafico a dispersione: Molte persone sembrano inizialmente supporre che stanno guardando a grafico a dispersione probabilmente perché quasi tutti gli altri grafici che hanno visto i punti in primo piano disposti in uno spazio 2D era uno scatterplot. Poi si confondono perché entrambi gli assi non sono quantitativi e quindi devono rendersi conto che la loro ipotesi di scatterplot è sbagliata prima che possano persino cominciare a capire cosa stanno guardando. Se non si rendono conto che la loro ipotesi di scatterplot è sbagliata, concluderanno che il grafico è uno scatterplot fallito e che il grafico designer non sapeva cosa stavano facendo.
- Sembra che avrebbe dovuto essere un grafico a barre: Se un utente guarda correttamente come funziona un diagramma a punti, potrebbero dubitare della propria comprensione poiché non vedono il motivo per cui il creatore grafico ha usato punti anziché barre. Potrebbero mettere in dubbio la loro interpretazione "questo è come un grafico a barre" anche se è corretta, e si chiedono cosa manchino anche se non mancano nulla.
- "Senso di misura" non immediatamente ovvio: Non è immediatamente chiaro che, nel grafico di esempio sopra, solo la posizione orizzontale di ciascun punto rappresenta un valore quantitativo e che la sua posizione verticale no. Questo potrebbe avere qualcosa a che fare con la forma circolare dei punti, che non fornisce alcun indizio visivo sul fatto che la sua "direzione di misura" sia orizzontale, verticale o entrambe.
- Le linee guida violano le aspettative: Sospettiamo che le sottili linee guida orizzontali nell'esempio sopra possano contribuire alla confusione iniziale degli spettatori. Mentre le linee rendono più semplice e meno incline agli errori associare ogni punto con il nome della categoria corrispondente, i commenti e le domande dei partecipanti al workshop di Nick suggeriscono che queste linee potrebbero anche comunicare altri messaggi visivi non previsti a coloro che incontrano un dot plot per la prima volta:
- In praticamente tutti gli altri grafici che probabilmente i partecipanti hanno già visto, la presenza di sottili linee orizzontali significa che il verticale la posizione di ciascun segno (punto, barra, ecc.) codifica il suo valore quantitativo, cioè, i segni che sono più alti o più bassi sul grafico rappresentano quantità maggiori o minori. L'esempio del diagramma a punti sopra viola questa aspettativa, tuttavia, poiché contiene linee orizzontali, ma è il orizzontale posizione di ciascun punto che indica il suo valore quantitativo, non la sua posizione verticale, poiché le linee potrebbero suggerire a molte persone.
- Alcune persone sembrano inizialmente pensare che le linee stiano "andando nella direzione sbagliata" poiché, nelle loro menti, tali linee sono sempre associate a scale quantitative nei grafici, non a scale categoriali. Vedere linee associate a una scala categorica sembra allontanare alcune persone, probabilmente perché non riescono a dare un senso al grafico fino a quando non si rendono conto che la loro comprensione di come funzionano le griglie è sbagliata o, almeno, troppo stretta.
- Sembra un grafico a punti in serie temporali: Quando si incontra un diagramma a punti verticale per la prima volta ...
... alcune persone sembrano inizialmente pensare che stiano guardando un grafico a punti in serie temporali, ma poi si confondono quando vedono che l'asse orizzontale non è il tempo. Devono quindi rendersi conto che il loro presupposto per la trama delle serie temporali è sbagliato prima che possano capire cosa stanno guardando.
Si può fare qualcosa?
Si noti che nessuno di questi problemi deriva dal fatto che il grafico sopra è un diagramma a punti ma, invece, dall'individuo elementi di design (forma dei punti, presenza / orientamento delle linee della griglia, ecc.) di questo particolare design del dot plot, che è il design tradizionale per i dot plot. Modificando gli elementi di progettazione, quindi, potremmo essere in grado di rendere i trame puntini "più amichevoli" a coloro che li incontrano per la prima volta? Anche, possibilmente, abbastanza amichevole da non richiedere alcuna spiegazione? Mio tweet recenti su alternative di trama di punti combaciando con il pensiero di Nick, e abbiamo deciso di collaborare a questo articolo nel tentativo di progettare una trama puntuale più amichevole. Gli obiettivi principali della nostra riprogettazione, quindi, sarebbero:
- Per rendere più immediatamente evidente che il grafico non è un grafico a punti di dispersione o un diagramma a punti di serie temporali e, per gli spettatori naïve alla trama di punti, è un nuovo tipo di grafico, quindi dovranno rallentare e capire come Funziona.
- Per rendere più evidente la direzione della misura (orizzontale per un diagramma a punti orizzontale, verticale per un grafico a punti verticale e non sia orizzontale che verticale come in un grafico a dispersione).
- Per rendere più ovvio che il grafico funzioni in modo simile a un grafico a barre.
Come potremmo modificare gli elementi di design della trama di punti di Cleveland per raggiungere questi obiettivi di riprogettazione e rendere più simpatici i punti? Pensando in un primo momento, possiamo immaginare i seguenti cambiamenti:
- Sostituisci le linee guida della categoria con qualcosa che sembra meno griglie quantitative. Forse linee più spesse ma più leggere, sfumature zebrate o niente del tutto.
- Sostituisci il segno circolare del punto con una forma che suggerisce visivamente una direzione di misura (orizzontale o verticale, ma non entrambe). Forse un segno di tubo ("|"), fine barra sbiadita, o gagliardetto.
- Aggiungi guide per la scala quantitativa . Forse gridlines, shading o più padding che si comportano come nella maggior parte degli altri grafici, cioè sono perpendicolari alla direzione della misura e servono a consentire agli utenti di stimare visivamente in modo più preciso i valori quantitativi dei marchi nel grafico.
Esplorare alternative
Le possibili combinazioni di elementi di progettazione si sommano rapidamente (o, dovremmo dire, "moltiplicare" rapidamente), e le opzioni di cui sopra non includono ancora variabili non di dati come la dimensione del grafico, l'orientamento e i confini, che influenzano anche la comprensione. La galleria qui sotto presenta solo alcune delle combinazioni della nostra vasta gamma di opzioni. I dati provengono dalla lista di Wikipedia di record nazionali di salto in lungo . Per controllare il numero di categorie e fornire ancora una ragionevole diffusione di valori, vengono visualizzati solo i paesi con le popolazioni più grandi. Di conseguenza, i paesi piccoli con record di salto in lungo eccellente non appaiono.
Quando il numero di categorie è maggiore, diventa più difficile associare visivamente i marchi con le etichette delle categorie corrispondenti, quindi le scelte di progettazione che funzionano meglio per i grafici con un numero limitato di categorie possono differire da quelle per i grafici con un numero maggiore di categorie. La galleria seguente presenta alcune combinazioni di elementi di design con un numero maggiore di categorie:
Come se non avessimo già sufficienti combinazioni di scelte di design da considerare, c'è anche l'orientamento (orizzontale o verticale) da inserire nel mix:
Dal momento che non siamo in grado di mostrare tutte le possibili combinazioni di elementi di design e vogliamo incoraggiare la sperimentazione, abbiamo reso un interessante interattivo Notebook osservabile ciò consente a chiunque di sperimentare diverse combinazioni di elementi di design. In quella pagina, puoi usare un pannello di controllo (vedi screenshot qui sotto) per vedere immediatamente quali diverse combinazioni di design appaiono in un grafico di esempio che viene rigenerato ogni volta che un elemento di design viene modificato.
Riprogettazioni promettenti
Dopo aver sperimentato le varie combinazioni da soli e tenendo a mente i nostri obiettivi di riprogettazione, abbiamo ipotizzato che quelli sotto avrebbero funzionato al meglio con gli utenti ingenui di trama di punti o, perlomeno, si comportano meglio del design convenzionale.
Per set di dati con meno di circa otto categorie:
Abbiamo favorito questi progetti per diversi motivi:
- Le forme a forma di tubo e sbiadito segnano molti dei nostri obiettivi di riprogettazione:
- Rendono più immediatamente ovvio che il grafico non è un grafico a punti di dispersione o un grafico a punti in serie temporali poiché quelle forme di segno sarebbero scelte non convenzionali per quei tipi di grafici. Per gli utenti che non hanno mai visto un grafico a punti prima, quindi, i marchi probabilmente non gli saranno familiari, suggerendo un nuovo tipo di grafico che dovranno imparare.
- Rendono più immediatamente evidente che la direzione della misura è esclusivamente orizzontale, e non verticale o verticale e orizzontale. I segni sbiaditi delle barre rendono ancora più evidente che i segni che si trovano più a destra rappresentano quantità assolute maggiori (al contrario delle quantità assolute minori, che sarebbe il caso se i valori fossero tutti negativi).
- Suggeriscono visivamente le estremità delle barre, il che suggerisce il modo corretto di interpretare il grafico. I segni "sbiaditi" rendono questo ancora più ovvio.
- Non ci sono linee guida di categoria che potrebbero essere scambiate per linee di griglia quantitative. Se gli utenti dovranno valutare visivamente i valori con altissima precisione, è possibile aggiungere griglie quantitative senza introdurre alcuna confusione (infatti, le griglie quantitative potrebbero persino aiutare con la comprensione iniziale poiché rafforzerebbero visivamente la direzione della misura).
- Questi progetti preservano un vantaggio chiave dei diagrammi di punti Cleveland poiché i valori sono ancora rappresentati come marchi con posizioni 2D diverse e lunghezze diverse (come in un grafico a barre), il che riduce il rischio che gli utenti confrontino le quantità in modo errato quando la scala quantitativa non includere zero. Se avessimo usato le guide di categoria "barra" o "ago", avremmo perso questo vantaggio.
Se i dati da visualizzare hanno più di otto categorie, l'associazione dei marchi con le etichette delle categorie diventa più impegnativa e soggetta a errori, pertanto diventa necessaria una qualche forma di guida di categoria. Ai nostri occhi, le guide di categoria spessa ma leggera hanno funzionato meglio con i segni di tubo e le sottili linee di separazione hanno funzionato meglio con i segni delle barre sbiadite:
Tuttavia, non abbiamo testato questi progetti su utenti di dot-plot-naÏve rispetto al design convenzionale, quindi queste sono solo ipotesi a questo punto. Per le ragioni sopra discusse, però, sospettiamo che avrebbero prestazioni migliori rispetto al convenzionale design a trama di punti.
Fateci sapere cosa ne pensate nei commenti o se pensate che altre combinazioni di elementi di design potrebbero creare una trama di punti più amichevole.
