چگونه سلسله‌مراتب کلیولند-مک‌گیل رمزگذاری‌های بصری را بر اساس دقت رتبه‌بندی می‌کند

طراحی که در حال ساخت یک داشبورد سلامت عمومی است، ممکن است به سراغ نمودار حبابی یا نقشه رنگی برود، با این استدلال که تنوع بصری توجه خواننده را جلب کرده و در یک محیط پر از اطلاعات، داده‌ها را در ذهن ماندگار می‌کند. اما یک آماردان با نگاه به همان داده‌ها، بر استفاده از یک نمودار میله‌ای ساده یا نمودار پراکندگی پافشاری خواهد کرد و هشدار می‌دهد که چشم انسان از نظر فیزیکی قادر به مقایسه دقیق مساحت دو دایره یا شدت دو طیف از رنگ آبی نیست.[3]

این تنش میان جذابیت و دقت، صرفاً مسئله‌ای مربوط به سلیقه زیبایی‌شناختی یا فلسفه طراحی نیست. این موضوع توسط محدودیت‌های بیولوژیکی سخت‌گیرانه‌ای در پردازش بصری انسان کنترل می‌شود. در سال ۱۹۸۴، دو آماردان به نام‌های ویلیام کلیولند و رابرت مک‌گیل تصمیم گرفتند تا دقیقاً کمّی کنند که چشم انسان در انجام وظایف هندسی مختلف چقدر دچار خطا می‌شود. آن‌ها استدلال کردند که «موضوع روش‌های گرافیکی برای تحلیل و ارائه داده‌ها به یک بنیان علمی نیاز دارد.» کار آن‌ها مصورسازی را از یک هنر به یک علم قابل اندازه‌گیری تبدیل کرد.[1][6]

برای ایجاد این بنیان تجربی، کلیولند و مک‌گیل آزمایش‌های آزمایشگاهی کنترل‌شده‌ای را با ۵۴ شرکت‌کننده انجام دادند و از آن‌ها خواستند تفاوت درصدی میان اشکال مختلف هندسی را تخمین بزنند. آن‌ها موقعیت روی یک مقیاس مشترک، طول، زاویه، مساحت، حجم و اشباع رنگ را آزمایش کردند. با ثبت دقیق حاشیه خطای هر تخمین، آن‌ها یک مبنای ریاضی برای نحوه رمزگشایی اطلاعات بصری توسط مغز انسان ایجاد کردند. محققان جفت‌هایی از عناصر علامت‌گذاری‌شده را در یک نمودار به شرکت‌کنندگان نشان دادند و از آن‌ها خواستند تخمین بزنند که عنصر کوچک‌تر چند درصد از عنصر بزرگ‌تر است؛ به این ترتیب، عمل شناختی تخمین اندازه را ایزوله کردند.[1][6]

نتایج این آزمایش‌ها به یک سلسله‌مراتب دقیق و رتبه‌بندی‌شده از ادراک بصری منجر شد که همچنان استاندارد طلایی در این حوزه محسوب می‌شود. در بالاترین نقطه این فهرست — و با اختلاف زیاد به عنوان دقیق‌ترین رمزگذاری بصری — موقعیت روی یک مقیاس مشترک قرار دارد؛ همان مکانیزمی که در نمودارهای میله‌ای استاندارد و نمودارهای پراکندگی استفاده می‌شود. وقتی داده‌ها به این روش رمزگذاری می‌شوند، نرخ خطای انسان به حداقل مطلق خود می‌رسد و به خوانندگان اجازه می‌دهد تا تخمین‌های نقطه‌ای را با قابلیت اطمینان تقریباً کاملی استخراج کنند. دلیل این امر آن است که قشر بینایی مغز برای قضاوت درباره هم‌ترازی اشیاء روی یک افق مشترک، به شدت تکامل یافته است.[1][3][5]

پایین‌تر از موقعیت، دقت به سرعت و به شکلی قابل اندازه‌گیری افت می‌کند. طول (که در نمودارهای میله‌ای ترازنشده استفاده می‌شود) و زاویه (که در نمودارهای دایره‌ای کاربرد دارد) در سطح میانی این سلسله‌مراتب قرار می‌گیرند. شرکت‌کنندگانی که سعی در رمزگشایی زوایا داشتند، به طور مداوم خطاهای تخمینی بزرگ‌تری نسبت به کسانی که میله‌های تراز شده را مقایسه می‌کردند، مرتکب شدند. این موضوع توضیح می‌دهد که چرا تحلیلگران داده معمولاً توصیه می‌کنند از نمودارهای دایره‌ای برای مجموعه داده‌های پیچیده استفاده نشود. مغز در تبدیل هندسه چرخشی به مقادیر خطی دچار مشکل می‌شود. نرخ خطای قضاوت درباره زاویه تقریباً دو برابر قضاوت درباره موقعیت بود؛ جریمه‌ای که با افزایش تعداد برش‌های نمودار، سنگین‌تر هم می‌شود.[1][3]

در پایین‌ترین سطح این سلسله‌مراتب، مساحت، حجم و اشباع رنگ قرار دارند. زمانی که از شرکت‌کنندگان خواسته شد اندازه دو دایره یا تیرگی دو ناحیه سایه‌دار را مقایسه کنند، نرخ خطای آن‌ها به شدت افزایش یافت. قشر بینایی انسان به سادگی نمی‌تواند مساحت دوبعدی یا شدت رنگ را با خطیت ریاضی پردازش کند. دایره‌ای که از نظر ریاضی مساحتی دو برابر دایره دیگر دارد، به ندرت توسط خواننده انسانی دقیقاً دو برابر بزرگ‌تر درک می‌شود. این اعوجاج ادراکی باعث می‌شود نمودارهای حبابی و نقشه‌های حرارتی به شدت در معرض تفسیر نادرست قرار گیرند، به خصوص زمانی که مقادیر زیربنایی از نظر اندازه به هم نزدیک باشند.[1][5]

برای بیش از دو دهه، سلسله‌مراتب کلیولند-مک‌گیل به عنوان یک نظریه محدود به آزمایشگاه باقی ماند که توسط آماردانان پذیرفته شده بود اما به ندرت در دنیای واقعی آزمایش می‌شد. این وضعیت در سال ۲۰۱۰ تغییر کرد، زمانی که جفری هیر و مایکل بوستاک، دانشمندان علوم کامپیوتر در آزمایشگاه داده‌های تعاملی دانشگاه واشنگتن، آزمایش‌های سال ۱۹۸۴ را برای عصر اینترنت بازسازی کردند. آن‌ها می‌خواستند بدانند که آیا قوانین بنیادین رمزگذاری بصری در خارج از شرایط بی‌نقص یک آزمایشگاه تحقیقاتی اواسط قرن، جایی که خوانندگان امروزی داده‌ها را روی صفحات نمایش متنوع مصرف می‌کنند، همچنان پابرجا هستند یا خیر. مطالعه آن‌ها به نقطه عطفی در مصورسازی داده‌های مدرن تبدیل شد.[2]

هیر و بوستاک این تست‌های ادراکی را در پلتفرم مکانیکال ترک آمازون پیاده‌سازی کردند و برای هر وظیفه ۵۰ شرکت‌کننده را با هزینه ۰٫۰۵ دلار به ازای هر پاسخ استخدام کردند. هدف آن‌ها این بود که ببینند آیا نتایج بی‌نقص آزمایشگاهی در زمانی که حواس شرکت‌کنندگان پرت است، از مانیتورهای کالیبره‌نشده استفاده می‌کنند و در محیط‌های کنترل‌نشده قرار دارند، همچنان معتبر است یا خیر. با سپردن آزمایش‌های ادراک بصری به جمع‌سپاری، آن‌ها دقیقاً همان نوع نویز و اصطکاکی را وارد کار کردند که داشبوردهای دنیای واقعی هر روز با آن مواجه‌اند. اندازه نمونه و تنوع جمعیت‌شناختی این مطالعه بسیار فراتر از گروه اصلی سال ۱۹۸۴ بود.[2]

نتایج این بازتولید جمع‌سپاری‌شده قاطع بود. داده‌های سال ۲۰۱۰ دقیقاً سلسله‌مراتب سال ۱۹۸۴ را بازتاب می‌داد. تفاوت نسبی در نرخ خطای لگاریتمی بین ارزیابی یک نمودار میله‌ای (موقعیت) و یک نمودار حبابی (مساحت) از نظر ریاضی ثابت باقی ماند و ثابت کرد که این سلسله‌مراتب یک محدودیت شناختی ذاتی است، نه صرفاً محصول شرایط آزمایشگاهی. چه یک فرد در اتاقی ساکت با کاغذ نشسته باشد و چه در یک کافه شلوغ در حال کلیک روی مرورگر وب باشد، مغز او در محاسبه مساحت به همان اندازه دچار خطا می‌شود. این تکرار آزمایش، سلسله‌مراتب را به عنوان یک قانون جهانی در ادراک انسان تثبیت کرد.[2][7]

تحقیقات بعدی این چارچوب را به روان‌شناسی شناختی مدرن گسترش داده است. یک سنتز تحقیقاتی در سال ۲۰۲۱ توسط استیون فرانکانری و همکارانش در نشریه «علوم روان‌شناختی در منافع عمومی»، این نرخ‌های خطا را مستقیماً به مکانیسم‌های حافظه فعال و توجه بصری مرتبط کرد. شواهد آن‌ها تأیید می‌کند که رمزگذاری‌های پیچیده، مغز را مجبور به انجام تخمین‌های متوالی و مستعد خطا می‌کنند، نه پردازش موازی و فوری. وقتی یک نمودار به طیف‌های رنگی متکی است، خواننده باید دائماً بین راهنمای نمودار و داده‌ها چشم بگرداند که این کار حافظه فعال را خسته می‌کند. همین بار شناختی است که باعث افزایش شدید خطاهای تخمینی می‌شود.[4]

اکنون این سلسله‌مراتب به طور کامل فراتر از صفحه نمایش در حال آزمایش است. مطالعه‌ای در سال ۲۰۲۳ که توسط امیلی وال و همکارانش در دانشگاه اموری در کنفرانس IEEE VIS ارائه شد، تست‌های دقت ادراکی را به رمزگذاری‌های لمسی گسترش داد و اندازه‌گیری کرد که کاربران چقدر خوب می‌توانند داده‌ها را از طریق لامسه رمزگشایی کنند. حتی در میان حواس مختلف، قانون اساسی همچنان پابرجاست: مقایسه‌های فضایی ساده و هم‌تراز، عملکرد بهتری نسبت به مقایسه‌های پیچیده و چندبعدی دارند. به نظر می‌رسد ترجیح بیولوژیکی برای یک مقیاس مشترک، فراتر از حس بینایی است. این یافته پیامدهای عمیقی برای طراحی رابط‌های داده‌ای دسترس‌پذیر برای کاربران کم‌بینا دارد.

با این حال، بسته شواهد پیرامون این سلسله‌مراتب یک محدودیت اساسی دارد: این چارچوب کاملاً برای دقت تخمین نقطه‌ای بهینه‌سازی شده است. اگر هدف یک نمودار این باشد که به خواننده اجازه دهد یک عدد دقیق را استخراج کند، استفاده از موقعیت روی یک مقیاس مشترک الزامی است. اما اگر هدف نشان دادن یک خوشه جغرافیایی گسترده یا جذب خواننده به مجموعه داده‌ای باشد که در غیر این صورت نادیده گرفته می‌شد، پایبندی دقیق به این سلسله‌مراتب می‌تواند گرافیک‌هایی بی‌روح و غیرجذاب تولید کند. یک نقشه سایه‌رنگ (کوروپلث) از رنگ — یک رمزگذاری با دقت پایین — استفاده می‌کند، اما در نشان دادن الگوهای منطقه‌ای که یک نمودار میله‌ای آن‌ها را پنهان می‌کند، عملکردی عالی دارد.[3][4]

داده‌ها آستانه روشنی را برای متخصصان دیکته می‌کنند. زمانی که پای یک دوز دارویی، یک پیش‌بینی مالی، یا تلورانس مهندسی سازه در میان است، رمزگذاری بصری باید در بالاترین نقطه رتبه‌بندی کلیولند-مک‌گیل قرار گیرد. جایی که دقت در اولویت است، بیولوژی چشم انسان هیچ فضایی برای مصالحه زیبایی‌شناختی باقی نمی‌گذارد. این سلسله‌مراتب ثابت می‌کند که در قلمرو ارتباطات داده‌ای، آنچه جذاب‌ترین به نظر می‌رسد، به ندرت همان چیزی است که بیشترین حقیقت را منتقل می‌کند. طراحان باید انتخاب کنند که آیا هدف اصلی آن‌ها سرگرم کردن چشم است یا آگاه کردن ذهن.[4][5][6]