《信息可视化:交互设计(原书第2版)》——1.1节可视化

简介: 本节书摘来自华章社区《信息可视化:交互设计(原书第2版)》一书中的第1章,第1.1节可视化,作者:(英) Robert Spence,更多章节内容可以访问云栖社区“华章社区”公众号查看

1.1 可视化
以上四个例子的共性在于读者观看这些图表后得到的结论。人们无须画草图或记笔记,也没有用到任何的计算机技术,结论完全产生于观者的大脑中。我们可以说:得出这些结论需要信息启示(insight)或理解,这和可视化的字典定义一致:
可视化 对某事物建立心理模型(mental model)或心理图像(mental image)。
因此,可视化是和计算机无关的纯粹的人类认知活动。需要指出的是,可视化的“视觉”含义并不表示这些活动只涉及视觉经验。除了图形之外,声音和其他感知形式都可以用作数据描述。
我们看到,信息可视化活动可以总结为如图1-6所示的简单图表:以某种形式表示的数据(data)被转化为图形,由用户对其进行解释。图中用“Ah HA!!”来表示用户看到数据图形编码并发现有用信息后的反应。为了表明用户对数据的理解过程,图1-6将数据和信息做了明确的区分。信息可视化的主要任务是帮助用户从数据中提取信息。我们经常听到的信息过载从本质上来讲应该叫做数据过载:信息过载也许只是一种期待中的奢侈!


4a98a6ff99fd2b5db006eb4ce96c670e608bf540

图1-6中的数据有多种类型。例如,Minard地图中的温度是数值型数据(numerical data或quantitative data),分别表示进军和撤退的灰色(原图中为红色)和黑色属于顺序型数据(ordinal data);Snow的Soho地图中分别表示为点和叉的死亡地点和取水点属于类别型数据(categorical data)。关系(relationship)数据在Beck的管道图中得到了最好的体现。作为重要性不断增长的一种数据类型,文字不包含特定的顺序或数值,因而属于类别型数据。无论数据本质如何,Simon(1996)的评论简明地体现了信息可视化的基本思想:
……解决一个问题意味着用某种方法对其进行描述,从而使得解决方案透明化。
当然,要找到有效的数据描述方法并不容易,这也是信息可视化领域从业者和研究人员的主要挑战和迷人之处。
在讨论计算机为什么可以支持以及如何支持可视化活动前,我们认为有必要强调数据的纸型(paper-based)显示的重要性。正如一幅简单直观的图表能帮助Florence Nightingale说服英国政府一样,这样的图表可以加深对方对你的印象,从而帮助你从风险投资家手中得到资金,从教授那里得到积极评估,或者加深诈骗案审判中陪审团对你的好感。很多情况下,数据的有效描述将起到决定性的作用。对于读者而言,直观的图表比直白的文字更持久也更易于回想。例如,此时你也许不需要翻到前面的章节就能回忆起Minard、Nightingale、Snow和Beck所绘图表中的重要信息。

相关文章
|
SQL Oracle 关系型数据库
浅谈mysql数据库迁移至国产化达梦数据库
项目要求mysql数据库数据需要转到达梦数据库,对于达梦数据库的了解尚且不多,一开始使用手动转SQL脚本,效率极低,非常容易出错。达梦数据库的资料实在有限,经过后期研究,发现原来DM已经有自己的数据迁移工具,使用之后非常方便。对mysql数据库转达梦数据库的操作流程做一个简要分享。
7686 0
浅谈mysql数据库迁移至国产化达梦数据库
|
编解码 数据可视化 前端开发
如何使用 D3.js 创建一个交互式的地图可视化?
如何使用 D3.js 创建一个交互式的地图可视化?
|
数据采集 存储 中间件
高效数据抓取:Scrapy框架详解
高效数据抓取:Scrapy框架详解
|
人工智能 API 计算机视觉
AI-ClothingTryOn:服装店老板连夜下架试衣间!基于Gemini开发的AI试衣应用,一键生成10种穿搭效果
AI-ClothingTryOn是基于Google Gemini技术的虚拟试衣应用,支持人物与服装照片智能合成,可生成多达10种试穿效果版本,并提供自定义提示词优化功能。
973 18
AI-ClothingTryOn:服装店老板连夜下架试衣间!基于Gemini开发的AI试衣应用,一键生成10种穿搭效果
|
人工智能 自动驾驶 算法
AI的未来发展与挑战
本文探讨了人工智能(AI)的未来发展趋势和面临的主要挑战。通过对当前AI技术的概述,本文分析了AI在不同行业中的应用现状,并展望了未来的发展方向。同时,本文还讨论了AI发展中可能遇到的伦理、法律和技术难题,提出了相应的解决策略。
|
SQL 关系型数据库 MySQL
Pandas获取SQL数据库read_sql()函数及参数一文详解+实例代码
Pandas获取SQL数据库read_sql()函数及参数一文详解+实例代码
8779 0
Pandas获取SQL数据库read_sql()函数及参数一文详解+实例代码
|
数据可视化 数据挖掘 定位技术
Python和Geopandas进行地理数据可视化
【10月更文挑战第22天】本文介绍了如何使用Python和Geopandas进行地理数据可视化和分析,涵盖从准备工作、加载数据、数据探索与处理、地理数据可视化、空间分析与查询到交互式地理数据可视化等内容。通过丰富的代码示例和案例演示,帮助读者掌握地理数据分析的基本方法,为实际应用提供支持。
1260 19
|
Java Linux 网络安全
基于云服务器的数仓搭建-服务器配置
本文介绍了购置并配置三台云服务器的详细步骤。使用FinalShell连接服务器,并安装了必要的工具如epel-release、net-tools和vim。关闭防火墙后,在/opt目录下创建module和software文件夹,卸载默认JDK并修改主机名。添加环境变量路径/home/alpfree/bin,编写集群分发脚本xsync实现文件同步,配置无密登录,安装并分发JDK。参考资料来自海波老师的电商数仓课程。
|
IDE 开发工具 Python
10分钟教你用Python实现微信自动回复
10分钟教你用Python实现微信自动回复
3657 0
10分钟教你用Python实现微信自动回复