شواهد علمی پشت طراحی نمودار: مغز انسان چگونه داده‌های بصری را پردازش می‌کند

ما فرض می‌کنیم خواندن یک نمودار شبیه خواندن یک پاراگراف است—استخراج آگاهانه و خطی اطلاعات. شواهد خلاف این را می‌گویند. دهه‌ها روانشناسی شناختی و داده‌های ردیابی چشم نشان می‌دهند که انسان‌ها تجسم‌های داده را از طریق کانال‌های بصری خودکار و پیش‌آگاهانه رمزگشایی می‌کنند.[4]

طراحی یک نمودار نه تنها تعیین می‌کند که چقدر آسان اعداد را درک می‌کنیم، بلکه مشخص می‌کند که آیا اصلاً آن‌ها را به خاطر می‌سپاریم یا خیر. و داده‌ها به یک تضاد شگفت‌انگیز اشاره دارند: نمودارهایی که خواندن دقیق آن‌ها آسان‌تر است، اغلب سریع‌تر از همه فراموش می‌شوند.[5]

بنیان علم مدرن تجسم داده‌ها بر مطالعه‌ای در سال ۱۹۸۴ توسط آماردانان، ویلیام کلیولند (William Cleveland) و رابرت مک‌گیل (Robert McGill)، استوار است. پیش از کار آن‌ها، طراحی نمودار عمدتاً یک رشته زیبایی‌شناختی بود. آن‌ها به دنبال کمی‌سازی آن بودند و وظایف شناختی مورد نیاز برای خواندن نمودارهای مختلف را تفکیک کردند.[1]

کلیولند و مک‌گیل آزمایش‌های کنترل‌شده تصادفی را برای آزمودن اینکه آزمودنی‌های انسانی با چه دقتی می‌توانند مقادیر عددی را بر اساس رمزگذاری‌های بصری مختلف استخراج کنند، انجام دادند. آن‌ها یک سلسله مراتب سخت‌گیرانه از درک گرافیکی کشف کردند که امروزه نیز بر علم داده حاکم است.[1]

در بالاترین سطح سلسله مراتب دقت، «موقعیت در امتداد یک مقیاس مشترک» قرار دارد. هنگامی که داده‌ها به صورت نقاط روی نمودار پراکندگی یا بالای میله‌ها در نمودار میله‌ای رمزگذاری می‌شوند، نرخ خطای انسانی به شدت کاهش می‌یابد. مغز ما در مقایسه موقعیت‌های فضایی هم‌تراز، به طور استثنایی خوب عمل می‌کند.[1]

در سطوح پایین‌تر این سلسله مراتب، دقت کاهش می‌یابد. قضاوت دقیق طول و زاویه (مانند برش‌های یک نمودار دایره‌ای) برای مغز دشوارتر است. مساحت و حجم حتی بدتر هستند. در پایین‌ترین سطح سلسله مراتب ادراکی، اشباع رنگ و سایه‌زنی قرار دارند؛ انسان‌ها در تبدیل طیف رنگی به یک مقدار عددی خاص، به طرز چشمگیری ضعیف هستند.[1]

برای دهه‌ها، این سلسله مراتب به عنوان یک اصل پذیرفته شده بود، اما بر اساس آزمایش‌های کوچک و کنترل‌شده آزمایشگاهی بود. در سال ۲۰۱۰، محققان جفری هیر (Jeffrey Heer) و مایکل بوستاک (Michael Bostock) این نظریه را در معرض یک آزمون بزرگ قرار دادند و از پلتفرم «مکانیکال ترک» آمازون برای جمع‌سپاری وظایف درک گرافیکی به یک جمعیت گسترده و متنوع استفاده کردند.[2]

داده‌های جمع‌سپاری شده به طور کامل یافته‌های سال ۱۹۸۴ را تکرار کردند. در میان جمعیت‌شناسی‌ها و انواع صفحه‌نمایش‌های مختلف، ترجیح مغز انسان برای موقعیت‌یابی فضایی نسبت به مساحت یا رنگ، مطلق باقی ماند. اگر هدف، دقت عددی محض باشد، نمودار میله‌ای مینیمالیستی قهرمان بلامنازع است.[2]

این پشتوانه تجربی، ظهور جنبش مینیمالیستی در تجسم داده‌ها را تقویت کرد، جنبشی که توسط نظریه‌پردازانی حمایت می‌شد که طرفدار «نسبت بالای داده به جوهر» بودند—حذف تمام تزئینات، حاشیه‌ها و رنگ‌های غیرضروری تا داده‌های خالص خودشان صحبت کنند.[1][2]

اما در سال ۲۰۱۳، تیمی از محققان هاروارد و ام‌آی‌تی (MIT) سؤال متفاوتی پرسیدند: چه چیزی یک تجسم را به یاد ماندنی می‌کند؟ آن‌ها ۲٬۰۷۰ تجسم تک‌صفحه‌ای را از سایت‌های خبری، مجلات علمی و گزارش‌های دولتی گردآوری کردند و آن‌ها را روی آزمودنی‌های انسانی آزمایش کردند.[3]

نتایج، دگم مینیمالیستی را زیر و رو کرد. محققان دریافتند که نمودارهای استاندارد و بسیار دقیق—نمودارهای میله‌ای، نمودارهای خطی و نمودارهای پراکندگی—به طور مداوم فراموش‌شدنی‌ترین بودند.[3]

در عوض، تجسم‌هایی که در ذهن شرکت‌کنندگان ماندگار شدند، موارد غیرمعمول بودند. نمودارهای درختی، نمودارهای شبکه‌ای و ماتریس‌های شبکه‌ای امتیاز بالایی کسب کردند. مهم‌تر از آن، نمودارهایی با «تراکم بصری» بالا و نسبت داده به جوهر پایین—دقیقاً همان «آشغال نموداری» که مینیمالیست‌ها از آن متنفر بودند—به طرز چشمگیری به یاد ماندنی‌تر بودند.[3]

بزرگترین پیش‌بینی‌کننده به یاد ماندنی بودن، گنجاندن اشیاء قابل تشخیص برای انسان بود. اگر یک نمودار شامل عکس، کارتون یا پیکتوگرام بود، فوراً و به طور ماندگار در حافظه می‌ماند، حتی اگر آزمودنی‌ها فقط برای یک ثانیه آن را مشاهده می‌کردند.[3]

این واگرایی بین دقت و به یاد ماندنی بودن، ریشه در نحوه عملکرد سیستم بینایی ما دارد. مطالعات ردیابی چشم نشان می‌دهد که ما به شدت به «پردازش پیش‌توجهی» (Preattentive Processing) متکی هستیم—توانایی مغز برای تشخیص ویژگی‌های بصری مانند فام، سوسو زدن یا شکل در کمتر از ۲۵۰ میلی‌ثانیه.[4]

ویژگی‌های پیش‌توجهی به طور خودکار برجسته می‌شوند، صرف نظر از تعداد عوامل حواس‌پرتی روی صفحه. هنگامی که یک طراح یک نقطه داده واحد را با رنگ قرمز روشن در میان دریایی از نقاط خاکستری برجسته می‌کند، چشم بیننده قبل از اینکه حتی آگاهانه ثبت کند که نمودار درباره چیست، به سمت آن کشیده می‌شود.[4]

با این حال، پردازش پیش‌توجهی محدودیت‌های سختی دارد. اگر یک نمودار سعی کند از نشانه‌های پیش‌توجهی بیش از حد به طور همزمان استفاده کند—مانند تغییر همزمان شکل و رنگ در ده‌ها دسته—سیستم بینایی تحت فشار قرار می‌گیرد و اثر «برجسته‌سازی» شکست می‌خورد.[4]

شواهد در نهایت به یک مصالحه ضروری در ارتباطات بصری اشاره می‌کنند. نمودارهای مینیمالیستی و مبتنی بر موقعیت که توسط کلیولند و مک‌گیل اثبات شدند، همچنان استاندارد طلایی برای تحلیل‌های علمی و مالی باقی می‌مانند، جایی که دقت مطلق قابل مذاکره نیست.[1][5]

با این حال، برای ارتباطات عمومی، روزنامه‌نگاری و آموزش، یافته‌های مربوط به به یاد ماندنی بودن نشان می‌دهد که یک نمودار میله‌ای بی‌روح ممکن است نتواند تأثیر ماندگاری بگذارد. افزودن قلاب‌های معنایی—رنگ‌ها، پیکتوگرام‌ها و ساختارهای منحصربه‌فرد—لنگرهای تداعی‌گر مورد نیاز مغز را برای ذخیره اطلاعات در بلندمدت فراهم می‌کند.[3][5]

مرز این تحقیقات اکنون در حال بررسی شکاف بین به یاد ماندنی بودن و درک مطلب است. در حالی که می‌دانیم یک نمودار بصری متراکم و دارای پیکتوگرام به خاطر سپرده می‌شود، هنوز مشخص نیست که آیا بیننده روند داده‌های زیربنایی را به یاد می‌آورد، یا صرفاً خود تصویر را.[3]