¿Pruebas experimentales que apoyan las visualizaciones al estilo de Tufte?

Question

P: ¿Existen pruebas experimentales que respalden las visualizaciones minimalistas de datos al estilo de Tufte frente a las visualizaciones de gráficos, por ejemplo, Nigel Holmes ?

He preguntado cómo añadir gráficos a los gráficos de R aquí y los que respondieron me devolvieron una gran cantidad de sarcasmo. Así que, seguramente, debe haber alguna evidencia experimental, a la que no estoy al tanto, que apoye su posición anti-carta basura -más evidencia que sólo "Tufte lo dijo". ¿Verdad?

Si esa prueba existe, contradiría muchas de las investigaciones psicológicas que tenemos sobre los seres humanos, su recuerdo y la identificación de patrones. Así que me encantaría leer sobre ello.

Una pequeña anécdota: en una conferencia le pregunté a Edward Tufte qué opinión le merecen las pruebas experimentales que demuestran que las animaciones y los vídeos basura mejoran la comprensión y el recuerdo de los seres humanos [véase la investigación citada en [Reglas del cerebro]](http://rads.stackoverflow.com/amzn/click/0979777704) . Su respuesta: "No les creas". Así es el método científico.

P.D. Por supuesto, estoy molestando un poco a la gente aquí. Tengo todos los libros de Tufte y creo que su trabajo es increíble. Sólo creo que sus partidarios han exagerado algunos de sus argumentos.

NOTA: Este es un re-post de una pregunta que hice en StackOverflow . Los moderadores lo cerraron porque no era específico de la programación. CrossValidated podría ser un mejor hogar.

ACTUALIZACIÓN: Hay algunos enlaces útiles en la sección de comentarios de mi pregunta original, en concreto, al trabajo de Chambers, Cleveland y el grupo datavis de Stanford.

ACTUALIZACIÓN: Esta pregunta trata de un tema similar.

Answer 1

La bibliografía es muy amplia. Las pruebas experimentales son abundantes pero incompletas. Para una introducción centrada en las investigaciones psicológicas y semióticas, véase Alan M. MacEachren, Cómo funcionan los mapas (1995; 2004 en rústica). Vaya directamente al capítulo 9 (casi al final) y luego trabaje hacia atrás a través de cualquier material preliminar que le interese. La bibliografía es extensa (más de 400 documentos), pero se hace un poco larga. Aunque el título sugiere que se centra en la cartografía, la mayor parte del libro se refiere a la forma en que los seres humanos crean significado a partir de la información gráfica y la interpretan.

No esperes obtener una respuesta definitiva de cualquier cantidad de dicha investigación. Recordemos que Tufte, Cleveland y otros se centraron principalmente en la creación de gráficos que permitieran (sobre todo) una comunicación e interpretación precisa y perspicaz de los datos. Otros artistas gráficos e investigadores tienen otros objetivos, como influir en la gente, crear una propaganda eficaz, simplificar conjuntos de datos complejos y expresar su sensibilidad artística en un medio gráfico. Estos objetivos son casi diametralmente opuestos a los primeros, de ahí las enormes diferencias en los enfoques y las recomendaciones que encontrará.

Teniendo en cuenta esto, creo que una revisión de la investigación de Cleveland debería ser suficientemente convincente de que muchas de las recomendaciones de diseño de Tufte tienen una justificación experimental decente. Entre ellas, su uso del Factor Mentira, la Relación Datos-Tinta, los múltiplos pequeños y el chartjunk para evaluar críticamente y diseñar gráficos estadísticos.

Answer 2

Aquí hay algunos;

• Cleveland y McGill (1984, JASA) Graphical Perception: Teoría, experimentación y aplicación al desarrollo de métodos gráficos
• Cleveland y McGill (1987, JRSSA) Percepción gráfica: La decodificación visual de la información cuantitativa en pantallas gráficas de datos
• Lewandowsky y Spence (1989) Discriminación de estratos en gráficos de dispersión
• Spence y Lewandowsky (1991) Visualización de proporciones y porcentajes
• Spence Kutlesa y Rose (1999) Using Color to Code Quantity in Spatial Displays

Pida a Google las referencias completas

Answer 3

Conviene recordar que la visualización de la información no es una isla aislada de todas las demás formas de comunicación visual. Si se quiere producir un trabajo basado en principios fundamentados en la evidencia, yo diría que es mejor buscar donde la evidencia es más fuerte.

He leído investigaciones específicas sobre técnicas de visualización de datos, e investigaciones generales en ciencias cognitivas y en la investigación general del diseño, y me parece que pensar en cómo se aplica la investigación general más potente y exhaustiva a cada escrito y a cada elemento utilizado es a menudo más eficaz y útil que tratar de aplicar la investigación específica de un campo estrechamente aplicado, que a menudo adolece de muestras pequeñas, técnicas de investigación débiles, investigación estrecha y/o suposiciones profundamente arraigadas.

Hay dos libros excelentes que recomiendo como introducción, uno con la ciencia como punto de partida, otro con los principios generales como punto de partida, aportando pruebas:

• La ciencia de la visión por Steve Palmer . Es una bestia, y como estudiante casi me lesioné la espalda en las pocas ocasiones en que fui lo suficientemente tonto como para llevarlo en la mochila, pero también es posiblemente el mejor libro de texto de ciencias que he visto nunca, y un gran ejemplo de comunicación visual y verbal nítida en sí misma. Hace poco lo revisé para etiquetar los capítulos con contenido directamente relevante para mi trabajo en visualización y diseño de información, esperando etiquetar sólo unos pocos: Acabé etiquetando todos los capítulos excepto uno.
• Principios universales de diseño de Rockport Press . Un libro muy ambicioso y útil que recoge la investigación de la ciencia cognitiva con estudios de casos y ejemplos de todas las ramas del diseño en una serie de pliegos de doble página increíblemente claros y directos, cada uno de los cuales cubre un principio establecido, basado en la evidencia y práctico, con sugerencias prácticas, ejemplos trabajados y sugerencias de lecturas adicionales. Es muy estimulante, siempre que se considere una lista de herramientas con usos sugeridos y no una lista de reglas.

El único inconveniente es que este enfoque requiere más reflexión para ver cómo se aplican esos principios. Si lo que se busca es una lista de reglas arbitrarias, como parece ser el caso de muchos miembros de la comunidad de visores de datos, yo diría que no hay ninguna y que nunca la habrá, salvo cuando la gente haga suposiciones y generalizaciones masivas e injustificadas, o se invente cosas. La investigación aplicada de mayor calidad es útil, pero ayuda a tener un marco sólido en el que encajar.

La mayoría de los principios generales de Tufte, como el de tinta de datos y el de gráficos, pueden remontarse a principios generales sólidos, como los de relación señal-ruido, figura-fondo, atenuación y otros, pero en el camino de convertirse en específicos del campo y prescriptivos, se han combinado con fuertes suposiciones y generalizaciones sobre sus objetivos y su público que los convierten en herramientas contundentes. Muchas de las aparentes contradicciones y debates en la investigación aplicada no son contradicciones en absoluto si se da un paso atrás, se tiene en cuenta el contexto y se trabaja a partir de los principios básicos subyacentes y las características particulares de cada caso.

Answer 4

Hubo un estudio realmente bueno en el campo de la cartografía (Hegarty et al. (2009): Cartografía ingenua: Cómo las intuiciones sobre la configuración de la pantalla pueden perjudicar el rendimiento. Publicado en: Cartographica The International Journal for Geographic Information and Geovisualization 44(3):171-186)

Resulta especialmente interesante porque los autores analizaron una tarea más compleja que la simple lectura de los valores de un gráfico de barras: Los usuarios expertos y novatos tenían que determinar las velocidades del viento y los gradientes de presión a partir de un mapa meteorológico. Ambos grupos de participantes prefirieron intuitivamente un mapa con relieve sombreado y fronteras estatales (algo que Tufte probablemente denominaría "chartjunk", ya que es irrelevante para la tarea) frente a un mapa más minimalista que sólo mostraba el contorno de América en el fondo. Sin embargo, a pesar de la marcada preferencia personal por el chartjunk, los participantes obtuvieron resultados significativamente peores con este mapa, tanto en precisión como en tiempo de respuesta.

Lo que me pareció especialmente interesante de este estudio es que un caso de uso complejo (como la meteorología) es realmente habitual para nosotros, los diseñadores/cartografistas/analistas de datos. Muchas veces no se trata sólo de algún pequeño gráfico de barras, sino que tenemos que diseñar cuadros de mando completos, mapas temáticos, diagramas de Sankey,... En este contexto, reducir la cantidad de gráficos innecesarios suele mejorar las visualizaciones.