📝Alberto Cairo

How to be a Good Data Citizen

Do you really understand the influential warming stripes? - Voilà:Voilà:

In de eerste week heb ik een lecture gevolgd van Alberto Cairo

Alberto Cairo is journalist en ontwerper, en de Knight Chair in Visual Journalism aan de School of Communication van de University of Miami (UM). Hij is ook de directeur van het visualisatieprogramma van het Centre for Computational Science van de UM. Hij was hoofd informatiegrafiek bij mediapublicaties in Spanje en Brazilië. Cairo, de auteur van verschillende studieboeken, overlegt momenteel met bedrijven en instellingen zoals Google en het Congressional Budget Office, en heeft visualisatietraining gegeven aan de Europese Unie, Eurostat, de Centers for Disease Control and Prevention, de Army National Guard en vele anderen. Alberto woont in Miami, Florida.

Aantekeningen van de lecture:

Part 1: How to be a Good Data Citizen?

• Why do cat & dogs -> interessant data visualisation en art

• etnische in gedachte tijdens visualisaties

• usefull, powerful

• responsibility omdat het zo powerful is

als je de taal en grammatica van de visualisatie snapt dan is kan je je visualisatie gieten in hoe jij het wil het gaat niet om de regels maar om de overdracht waarom je bepaalde keuzes maakt is belangrijk.

Onderbouw het.

Part 2: Hoe maak je goede keuzes?

Vraag je af:

waarom zou mijn visualisatie moeten bestaan?

• het moet iets weergeven wat wij als mens normaalgesproken niet zien ( het onzichtbare zichtbaar maken)

• hierdoor zou het kunnen belangrijke waarde (features) niet gespot kunnen worden waneer deze niet gevisualiseerd zijn.

  • Patterns

  • trends

  • insights

  • stories achter de getallen zichtbaar maken

Patronen herkenen

Wanneer een visualisatie maken?

• wanneer we meer geven over de algehele patronen en trends

• geef je meer om de details of meer om de big picture

  • bij details dan wel

  • bij big picture is het niet perse nodig

• heb ik een datavisualisatie nodig of moet ik er een maken?

• vraag je het goed af want, het kan grote gevolgen hebben

• waarom zou ik de data publiekelijk maken?

• waarom zou zou het publiekelijk gemaakt moeten worden op deze specifieke manier?

• ook al zou het een goed idee zijn om het in deze vorm te maken waarom zou een andere vorm niet beter werken?

• wat zouden de mogelijke gevolgen zijn van mijn gemaakte keuzes?

• zijn de voordelen het waard om het te riskeren?

Part 3: Wat ga ik visualiseren ?

Begrijp je de data, beperkingen, onzekerheden, fouten?

Wat of hoe wordt gemeten? wat wordt er niet gemeten? en waarom ?

vaak overhaasten we bij het maken van datavisualisaties en zijn we niet in gesprek gegaan met mensen die meer weten over de dataset.

Tip: wanneer je een project start, werk altijd samen met mensen die meer weten over de data dan jij zelf.

De waarde en betekenis van de data is belangrijk.

wanneer dit onderschat wordt kan dit gevaarlijk zijn en verkeerde visualisatie worden gemaakt.

Om de data te begrijpen,

moet de metadata lezen en begrijpen / documentatie gelezen worden.

De interpretatie is van belang.

Datavisualisaties hebben context nodig en uitleg, het is erg belangrijk vaak wordt dit achterwege gelaten.

SHOW & TELL

Datavisualisatie gaat niet alleen om het visualiseren van data, maar het uitleggen van de betekenis / en het begrijpen van de data.

Wanneer je de zelf niet goed begrijpt, of je leg de data niet goed uit dan is de kans groot dat je andere mensen mis geinfomeerd.

Hier gaat het wederom om verantwoordelijkheid dragen voor wat je de wereld inbrengt.

Part 4: Voor wie maken we de visualisatie ?

heb je er over gedacht hoe je doelgroep je visualisatie gaan gebruiken?

kunnen zij het lezen / begrijpen ?

Als jij denkt dat een bepaalde pattern de data het beste visualiseert kies hem, maar leg de visualisatie wel uit!

• annotatie zijn erg belangrijk

• het kan ook gesproken zijn ( Hans Rosling, the joy of stats)

• Leg de Encoding van de datavisualisatie uit!

- De encoding zijn de eigenschappen van objecten die veranderen om de data te representeren. (size, color)

- De grammatica uitleggen door de visualisatie stap voor stap uit leggen ( x y as) etc.

• Annotatie laag is erg belangrijk, het helpt je data uit te leggen, hoe je verschillende visualisaties moet lezen.

• leer de mensen bepaalde visualisatie te lezen in de toekomst.

Part 5: Hoeveel moet ik visualiseren ?

Vraag je het volgende af:

• laat ik te weinig zien?

• laat ik te veel zien?

• wat voor bepaalde level helderheid wil je overbrengen?

• er zijn altijd redenen voor bepaalde keuzes

welke encoding ga gebruiken?

hoe maak ik bepaalde design keuzes?

Wat is je doel? baseer je keuzes aan de hand van je doel wat je wil bereiken.

Goed of slechte datavisualisatie?

vaak zijn visualisaties beter of slechter

Het ligt er aan wat je wil laten zien met de data.

pie chart is niet de beste optie om vergelijkingen te maken.

Wat wil je laten zien met de chart?

interessante sources:

datavizcatalogue.com

visual- vocabulary.pdf

Part 6/7: Welke stijl moet ik gebruiken?

• niet alle visualisatie hoeven minimalistisch te zijn.

• niet alle visualisatie hoeven flashy en innovatief te zijn.

je kan je houden aan bepaalde designstandaards waarvan je weet dat het herkenbaar zijn.

• jaimeserra archivos blogspot.com

• art based on data / emotie koppelen verbeelding, creative keep attention

• het ligt er aan wat je wil bereiken met je visualisatie

example

at the epicenter

abstracte zichtbaar maken

getallen zijn abstract vergelijk het om het meer betekenis te geven.

cold visualisatie

• numbers traditioneel

Warm visualisatie

• grote getallen moeilijk te begrijpen

• Maak het dichterbij om meer betekenis te geven

visualisatie gaat niet om het visualiseren, maar help mensen om het betekenis te geven en dat het van waarde is in combinatie met

woorden en visualisaties.

horizon verbreden, open je vision help anderen mensen de wereld beter te begrijpen.