Usando visualização para contar histórias. A visualização de dados merece ser considerada por várias razões. Não somente porque pode ser belíssima e chamar atenção — elemento valioso para ser compartilhada e atrair leitores — , mas também porque conta com uma poderosa vantagem cognitiva. Metade do cérebro humano é dedicada ao processamento de informação visual. Quando você apresenta um gráfico com informações a um usuário, consegue ser mais efetivo para chegar à mente dele. A visualização de dados, quando bem projetada, pode dar uma impressão imediata e profunda aos espectadores, acabando com a desorganização de uma história complexa e indo direto ao ponto.
Mas ao contrário de outros recursos visuais (como a fotografia e o vídeo), a visualização de dados está profundamente enraizada em fatos mensuráveis. Embora seja esteticamente envolvente, tem menos carga emocional e se preocupa mais com o esclarecimento do que com a parte emocional do tema. Enxergando o que é familiar de uma nova maneira Imagem 4. Imagem 5. Comparando valores. A visualização como carro-chefe do jornalismo de dados.
Antes de traçar ou mapear seus dados, reserve um minuto para pensar sobre os muitos papéis que elementos gráficos, estáticos ou interativos, têm no jornalismo. Esses papéis sugerem que você deve começar cedo a incluir visualizações na sua reportagem, mesmo que não inicie ao mesmo tempo o trabalho eletrônico com os dados. Não considere a visualização uma etapa separada, após a redação de grande parte da matéria. Deixe-a ajudar a guiar suas reportagens. Às vezes, começar significa apenas colocar uma forma visual nas anotações que você já fez. Considere este gráfico abaixo, publicado pelo Washington Post em 2006. Ele mostra a renda agrícola dos últimos 45 anos associada a subsídios e eventos importantes. Esta visualização levou meses para ficar pronta.
Dica 1: Utilize múltiplos pequenos para se orientar rapidamente em meio a um grande conjunto de dados Usei essa técnica no Washington Post quando analisamos uma sugestão de pauta ligada à administração de George W. Imagem 3. 3PeriodismoDePrecisionYVisualizacionDeDatosParte2.pdf. 2PeriodismoDePrecisionYVisualizacionDeDatosParte1.pdf. 1ComoLosOriginesDeLaVisualizacionNosAyudan.pdf. ElArteFuncional(1-59).pdf. Knight1.pdf. Knight1.pdf. Modulo2.pdf. 10FormasYFunciones.pdf. 16InfograficosMartillosCebollasEcuaciones.pdf.
18ComoElegirElTipoDeGraficoMasAdecuado.pdf. 19RepresentacionGraficaLaRelacionEntreEficaciaYEtica.pdf. Visual Encoding. Michael Dubakov, TargetProcess Founder September, 2012 How do people perceive information? How designers can thrive on this process to help people understand data faster? Let’s try to look into this complex field and explore some basic principles. The visual encoding is the way in which data is mapped into visual structures, upon which we build the images on a screen. The goal of this article is to provide an engaging introduction to visual encoding, and to give some hands-on examples of how it helps to present data in a meaningful way. We’ll start with some complex things: data types (→). Quantitative Anything that has exact numbers.
For example, Effort in points: 0, 1, 2, 3, 5, 8, 13. Ordered / Qualitative Anything that can be compared and ordered. User Story Priority: Must Have, Great, Good, Not Sure. Categorical Everything else. Entity types: Bugs, Stories, Features, Test Cases. OK, we've got some data. X and Y Planar variables are known to everybody. Size We know that size does matter. Shape. Visualization Types - Introduction to Data Visualization. This taxonomy is based on a data taxonomy from: Shneiderman, B. (1996). The eyes have it: A task by data type taxonomy for information visualizations.
Proceedings of IEEE Symposium on Visual Languages - Boulder, CO (pp. 336-343). The taxonomy is heavily weighted toward the more abstract information visualization techniques and is less representative of scientific visualizations, which can be highly specialized by domain and are more difficult to generalize. (A slightly different taxonomy with examples is available at Visual Analytics Digital Library - Visualization Types) Examples: lists of data items, organized by a single feature (e.g., alphabetical order)(not commonly visualized) back to top 2D/Planar (especially geospatial) Examples (geospatial): Examples (artificial planes): self-organizing mapTools: Synapse, MatlabExamples: Last.fm, In Terms of GeographyImage created in Matlab from sample data set.
Broadly, examples of scientific visualization: See also: Wills, G. (2012). Data Visualization for Human Perception. How to choose the right chart (corrected) | viewtific. A friend recently asked me, “how do you choose the right chart?” I thought about it, and essentially sent her a list of the sites that I have bookmarked, along with a few comments.
This is by no means an exhaustive list, and it’s meant more for a layperson, but here’s the list, nonetheless. If you have more suggestions, I’d love to hear them. I’ll follow up with a future post illustrating a few of these, and summarizing best practices and my experiences (a post which my toddler recently published in draft form–word to the wise, never let your toddler near your blog In the meantime… Which chart should I use Limited to basic charts but half the time, that’s all you need.
From Illustrator to information designer: For more traditional graphic designers (not coders) seeking to make the move to data visualization and understanding both the mechanics and the theory behind visualizing information, a crash course in handling data in Adobe Illustrator is helpful. On good data visualization practices: Recommended readings for the infographics and visualization course. This post includes a list of recommended (non-mandatory) readings for all my Introduction to Infographics and Data Visualization courses.The main reading of those classes is my own book: The Functional Art: An Introduction to Information Graphics and Visualization.I also mention the series of long-form articles that I am writing for Peachpit Press1.
Emotional Data Visualization: Periscopic's "U.S. Gun Deaths" and the Challenge of Uncertainty2. Heroes of Visualization: John Snow, H.W. Acland, and the Mythmaking Problem3. A Confederacy of Truth-Tellers: The Bright (But Challenging) Future of Small or Independent Visualization Teams4. The Many-Faced Infographic: Brooklyn, Elephants, and the Visualization of DataAS AN INTRODUCTION, first watch this video lecture: Infographics, the art of visualizing information Learning to See Oliver Reichenstein Visual encoding Michael Dubakov An Economist’s Guide to Visualizing Data Jon Schwabish Visual literacy in the age of data Shazna Nessa Reif Larsen.