Kvantitatiivisen informaation graafinen esittäminen



Samankaltaiset tiedostot
TIEDON VISUALISOIN- NIN PERUSTEET REITITIN-HANKE, METROPOLIA AMMATTIKORKEAKOULU PÄIVI KERÄNEN

TIETOINEN HAVAINTO, TIETOINEN HAVAINNOINTI JA TULKINTA SEKÄ HAVAINNOLLISTAMINEN

Kandidaatintutkielma 6 op (+Äidinkielinen viestintä 3 op) (+Tutkimustiedonhaku 1 op) (+Kypsyysnäyte 0 op) Kevät 2013 Jaakko Kurhila

TUKIMATERIAALI: Arvosanan kahdeksan alle jäävä osaaminen

TUKIMATERIAALI: Arvosanan kahdeksan alle jäävä osaaminen

Opiskelija valitsee 1-2 pakollista kuvataiteen kurssia. Ensimmäisen pakollisen kurssin jälkeen (KU1 Minä, kuva ja kulttuuri) voi valita muita

Osallisuuden ja kokemuksen prosessointia tehtävän avulla

Rauman normaalikoulun opetussuunnitelma 2016 Kemia vuosiluokat 7-9

Opetuksen ja opiskelun tehokas ja laadukas havainnointi verkkooppimisympäristössä

Eläinlääketieteen lisensiaatin tutkielma Seminaarityöskentelyohjeet

Tilastojen visualisointi Excelillä. PiKe-kehittämiskirjasto Leena Parviainen

Kandidaatintutkielma 6 op (+Äidinkielinen viestintä 3 op) (+Tutkimustiedonhaku 1 op) (+Kypsyysnäyte 0 op) Syksy 2014 Jaakko Kurhila

KEMIA 7.LUOKKA. Laajaalainen. liittyvät sisältöalueet. osaaminen. Merkitys, arvot ja asenteet

Kandidaatintutkielma 6 op (+Äidinkielinen viestintä 3 op) (+Tutkimustiedonhaku 1 op) (+Kypsyysnäyte 0 op) Kevät 2015 Jaakko Kurhila

hyvä osaaminen. osaamisensa tunnistamista kuvaamaan omaa osaamistaan

arvioinnin kohde

Oppilas tunnistaa ympäristöopin eri tiedonalat.

TUKIMATERIAALI: Arvosanan kahdeksan alle jäävä osaaminen

YSILUOKKA. Tasa-arvo yhteiskunnassa ja työelämässä

Aineistoista. Laadulliset menetelmät: miksi tarpeen? Haastattelut, fokusryhmät, havainnointi, historiantutkimus, miksei videointikin

Teemana aikajanat Polku versio 0.2

Mitä tahansa voi saavuttaa kunhan vain yrittää!

Kiipulan ammattiopisto. Liiketalous ja tietojenkäsittely. Erja Saarinen

Oppilas vahvistaa opittuja taitojaan, kiinnostuu oppimaan uutta ja saa tukea myönteisen minäkuvan kasvuun matematiikan oppijana.

1) Maan muodon selvittäminen. 2) Leveys- ja pituuspiirit. 3) Mittaaminen

Kuvat Web-sivuilla. Keskitie:

Animaatio Web-sivuilla

Kojemeteorologia. Sami Haapanala syksy Fysiikan laitos, Ilmakehätieteiden osasto

MOT-PALVELU OHJE MOT-SANAKIRJAN KÄYTTÖÖN

Teema 3: Tilastollisia kuvia ja tunnuslukuja

Mitä eroa on ETIIKALLA ja MORAALILLA?

Paretoratkaisujen visualisointi. Optimointiopin seminaari / Kevät 2000 Esitelmä 11 Petteri Kekäläinen 45305L

Musiikkipäiväkirjani: Maalataan, kirjoitetaan ja luetaan musiikkia (PWR1) Valitaan värejä, kuvia tai symboleja erilaisille äänille.

hyvä osaaminen

arvioinnin kohde

Matematiikka vuosiluokat 7 9

Millaisia tiedonhankinnan taitoja maisteri tarvitsee Peda-forum-päivät

5.6.3 Matematiikan lyhyt oppimäärä

Ihminen toimii parhaimmillaan, luovimmillaan ja innovaatiokykyisimmillään, kun lähtökohdaksi otetaan kunkin olemassa olevat vahvuudet.

Fysiikan opetuksen tavoitteet vuosiluokilla 7-9. Laaja-alainen osaaminen. Opetuksen tavoitteet. Merkitys, arvot ja asenteet

Tehtävät 1/11. TAMPEREEN YLIOPISTO Informaatiotieteiden tiedekunta Valintakoe Matematiikka ja tilastotiede. Sukunimi (painokirjaimin)

Kokemuksia Unesco-projektista

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

CT30A2800. Osa I: (n. 90 min) Käyttäjäkeskeinen Suunnittelu?

LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä

3D-TEHTÄVÄ C Hiomakone CAD-suunnittelu Finaali

E. Oja ja H. Mannila Datasta Tietoon: Luku 2

KVANTATIIVISEN TIEDON VISUALISOINTI PÄÄTÖKSENTEON TUKENA

Mitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto

Tähtitieteen käytännön menetelmiä Kevät 2009

Eikev 5. Moos 7: 12-11: 25

Lähteisiin viittaaminen ja lähdekritiikki

Workshop Palveluiden ideointi ja kehittäminen Miia Lammi Muotoilukeskus MUOVA. Ohjelma. Luovuuden ainekset. Odotukset.

TEKSTILAJEJA, TEKSTIEN PIIRTEITÄ

ARVO - verkkomateriaalien arviointiin

Johdanto päivän teemoihin. Osallistuva kaupunkisuunnittelu Joensuu

ADHD-LASTEN TUKEMINEN LUOKKAHUONEESSA

+LISÄTEHTÄVIÄ päättely

Jalostaminen ja kehittäminen Yhdisteleminen (osaamisten, näkökulmien ja ideoiden)

Arviointikriteerit lukuvuositodistuksessa luokilla

Ohjelmistojen mallintaminen

LAADULLISESTA SISÄLLÖNANALYYSISTÄ

1. Lapsi on päähenkilö omassa elämässään

Tietokoneen rakenne (2 ov / 4 op) Syksy 2006

MTTTP1 Tilastotieteen johdantokurssi Luento JOHDANTO

Harjoituspaketti helmikuuta 2008

ilike Me, ilike You Jokainen näkyväksi Ari Rapo 2011 Voimau<avan valokuvan menetelmään perustuva työyhteisöprojekb Likessä

Yllättävän, keskustelun aikana puhkeavan ristiriidan käsittely

Hyvän palvelun muotoilutoimisto. Copyright Diagonal Mental Structure Oy. All rights reserved.

YRITYSESITE / COMPANY BROCHURE

AKL Tiedolla johtaminen. Kenneth Ekström- Faros Group

UKJ-työpaja. Ari Ahlqvist Kehittämispäällikkö Kirjastoverkkopäivät KANSALLISKIRJASTO - Kirjastoverkkopalvelut

Tieto- ja viestintätekniikan opinnot Jyväskylän yliopistossa

Internet-pohjainen ryhmätyöympäristö

Loppuraportti. Virtuaali-Frami, CAVE-ohjelmisto. Harri Mähönen projektiassistentti Seinäjoen ammattikorkeakoulu. Versio

OHJEITA VALMENTAVALLE JOHTAJALLE

Visuaaliset työpöydät - lisää voimaa liiketoimintaan suurten datamassojen ketterästä analysoinnista

GAS-menetelmä Kurssityöntekijöiden koulutuspäivät

Kemian opetuksen tavoitteet ja sisällöt vuosiluokilla 7-9

Sisällönanalyysi. Sisältö

Yhdistyksien jäsenlehdet nyt ja tulevaisuudessa

Opintopolkujen visualisoinnin toimintamalli

Lähdeviitteiden merkintä (Kielijelppi)

Käyttöliittymä. Ihmisen ja tuotteen välinen rajapinta. ei rajoitu pelkästään tietokoneisiin

Tietokoneen rakenne (2 ov / 4 op) Syksy 2007 Liisa Marttinen. Helsingin yliopisto Tietojenkäsittelytieteen laitos

Eväitä yhteistoimintaan. Kari Valtanen Lastenpsykiatri, VE-perheterapeutti Lapin Perheklinikka Oy

TIEDEPOSTERI. - Viestinnän välineenä. Marisa Rakennuskoski

Maantieteen opetussuunnitelma 2016

Oppimispolku. Kesto: 2x75 min tai 3 x 75 min. Tavoitteet. Toteutus

Ohjelmistojen virheistä

Tiede ja tutkimus (Teemaopintokurssi TO1.1)

Tilastokeskuksen postinumeroalueittaisen avoimen tiedon käyttäminen ArcGIS Onlinessa

Designerin rooli tuotteistamisessa. Kaarle Holmberg, Sisustusarkkitehti SIO

Lasten ja nuorten osallisuuden vahvistaminen Hanna Markkula-Kivisilta

Miina ja Ville etiikkaa etsimässä

Matematiikan tukikurssi

4. Lausekielinen ohjelmointi 4.1

Ajalliset muunnokset eksploratiivisen paikkatietoanalyysin työkaluna. Salla Multimäki ProGIS Ry Paikkatietomarkkinat

Transkriptio:

Kvantitatiivisen informaation graafinen esittäminen Datan määrän kasvaessa jatkuvasti, on informaation tehokkaaseen esittämiseen panostettava entistä enemmän. Ihmisillä on luontainen kyky ymmärtää erilaisista abstraktioita ja muodostaa niistä näkemyksiä. Datan tehokas graafinen esittäminen helpottaa ensinnäkin informaation löytämistä monimutkaisistakin kvantitatiivisista aineistoista ja toiseksi halutunlaisten tulkintojen herättämistä esitysten kohdeyleisössä. Sisällysluettelo 1. Johdanto... 2 2. Tekniikan kehitys ja informaation visualisoinnin merkitys... 2 3. Datan graafisen esityksen tulkitseminen... 4 4. Kvantitatiivisen datan oivallinen graafinen esittäminen... 5 4.1 Graafinen oivallisuus... 5 4.2 Valehtelevat graafiset esitykset... 6 4.3 Graafisen esittämisen perusperiaatteet ja johtopäätökset... 6 5. Lähdeluettelo... 6

1. Johdanto Tämän esseen on tarkoitus tukea Informaatioverkostot: Studio 4 -kurssin toista ohjelmointitehtävää, jonka aiheena on informaation visualisointi. Ohjelmointitehtävässä ryhmämme tavoitteena on tarjota erilaisia graafisia esittämistapoja eri valtioiden tilastoihin perustuvalle kvantitatiiviselle datalle. Tässä esseessä puidaan ensinnä motivointina informaation visualisoinnin merkitystä nykymaailmassa. Toiseksi esitellään perusteita ihmisten kvantitatiivisen informaation tulkitsemista, ja kolmanneksi pohditaan sitä, kuinka kvantitatiivista informaatiota voidaan tehokkaasti esittää graafisesti. Esseen aihe on siis rajattu käsittelemään juuri erilaisia kvantitatiivisen informaation esittämistapoja. Tarkoituksena on tuottaa teksti, joka auttaa ryhmämme jäseniä arvioimaan ja arvostelemaan tuottamiaan kvantitatiivisen informaation graafisia esitysmalleja. 2. Tekniikan kehitys ja informaation visualisoinnin merkitys Datan määrä kasvaa räjähdysmäisesti. Etenkin nyt tieto- ja viestintäteknologisen vallankumouksen jälkeen dataa on alkanut olla tarjolla rajattomat määrät. On esitetty arvioita, joiden mukaan joka 15. minuutti kertyisi levyille saman verran dataa kuin Yhdysvaltain kongressin kirjastossa on tekstiä, kuvia ja äänitteitä. Datan määrä vastaisi myös historian kaikkien ihmisten puhetta litteroituna. (Oja E. & Mannila H., luento TKK:lla 3.11.2008) Datan uskomattoman suuri määrä aiheuttaa haasteita merkityksellisen informaation löytämiselle ja havainnollistamiselle. Tieto- ja viestintäteknologian huikeaa kehitystä ei tietenkään tule pitää huonona asiana. Teknologian kehitys on datamassojen luomisen lisäksi myös auttanut huikeasti erilaisten graafisten esitysmallien kehittämisessä. Tästä huolimatta Robert Spencen mukaan informaation visualisoinnin suurimmat ideat syntyivät jo paljon ennen tietokoneita. Spence nostaa kirjassa Information Visualization: Design for Interaction esille neljä eri informaation visualisoinnin klassikkoa: Napoleonin Moskovan marssin reitin ja joukkojen vahvuuden visualisoinnin, scutarilaisen sairaalan kuukausittaisten kuolinlukujen visualisoinnin, Sohon koleran aiheuttamien kuolemantapausten sijaintien suhteessa vesipumppujen sijanteihin visualisoinnin sekä Lontoon maanalaisen reittien visualisoinnin (kuva 1). [1 s. 1-5] 2

Kuva 1: Informaation visualisoinnin neljä klassikkoa [1 s. 1-5] Paneuduttaessa tarkemmin Spencen (kuvassa 1 näkyviin) klassikkoesimerkkeihin, ja erityisesti hänen Napoleonin marssi ja Lontoon metrokartta -esimerkkeihin, huomataan, kuinka valtavasti informaatiota yksittäiseen visualisointiin voidaan sisällyttää. On mielenkiintoista pohtia, kuinka monta tuhatta sivua tekstiä ja numeroita tarvittaisiin vastaavan informaation saattamisessa kirjalliseen muotoon. Kolera-esimerkistä huomataan, kuinka graafinen esitys nopeuttaa johtopäätösten tekemistä. Esityksessä on siis kuvattuna kuolintapausten ja vesipumppujen sijainnit kartalla. Pienentäessäni kuvaa tähän dokumenttiin sopivaksi jouduin korostamaan vesipumppujen sijainnit punaisella värillä. Myös alkuperäisestä mustavalkoisesta kuvasta huomaa heti, kuinka kuolemantapaukset (mustat pisteet) ovat keskittyneet keskimmäisen vesipumpun ympärille. Spencen esittämistä visualisoinnin klassikoista kvantitatiivisen datan graafiseen esittämiseen liittyvät erityisesti Napoleonin marssi-esimerkki sekä kuolemantapausten määrää kuvaava esimerkki. Kuten toisesta esimerkistä huomataan, voidaan myös yksinkertaisen kvantitatiivisen datan hyvällä graafisella esittämisellä tehostaa tulkintaa. Tästä syystä kvantitatiivisen datan 3

graafiseen esittämiseen tulee etsiä entistä parempia ratkaisuja. Aivan kuten ryhmämme ohjelmointitehtävässä onkin tehty. 3. Datan graafisen esityksen tulkitseminen Tutkittaessa tarkemmin 2. kappaleessa esitettyjä visualisoinnin klassikoita ja erityisesti niiden ihmisissä aikaan saamaa reaktiota, huomataan mielenkiintoisia asioita. Ensinnäkin on olemassa tietty data, josta kukin graafinen esitys on muodostettu. Ihminen aistii graafisen esityksen silmillään, jonka jälkeen muodostaa siitä näkemyksen. Tämä prosessi on esitetty esseen teemaa mukaillen graafisesti kuvassa 2. [1 s. 5] Ihmisen havainnon tekeminen ja näkemyksen luominen muodostavat yhdessä Englannin kielellä information visualization -termillä kulkevan ilmiön. Englanninkielinen termi ei siis liity tietokoneilla tehtäviin graafisiin esityksiin, vaan on ihmisten kognitiivinen malli. [1 s. 5] data graafinen esitys havainto tulkinta Kuva 2: Näkemyksenluomisen prosessimalli [1 s. 5] 4

4. Kvantitatiivisen datan oivallinen graafinen esittäminen 4.1 Graafinen oivallisuus Edward Tufte käsittelee kirjassa The Visual Display of Quantitative Information erilaisten graafisten esitysten oivallisuutta ja sitä, millaisia oivallisten graafisten esitysten tulisi olla. Tuften mukaan erilaisten statistiikkojen graafisen esittämisen oivallisuus on siinä, että niiden avulla voidaan kompleksisetkin ideat esittää selkeästi, eksaktisti ja tehokkaasti. [2 s. 13, 51] Päästäkseen selkeyteen eksaktiuteen ja tehokkuuteen, tulee graafisen esityksen pystyä esittämään dataa, esittämään moniakin numeroita pienessä tilassa sekä tekemään suurestakin datamäärästä koherenttia. Hyvä graafinen esitys ei todellakaan saisi peittää alleen sitä, mitä tilastolla on sanottavaa. Hyvän esityksen tulisi myös johdatella katsojansa miettimään varsinaista substanssia ja vertailemaan esityksessä ilmeneviä tiedon palasia tai esityksen alueita keskenään, eikä johdatella katselijaa ajattelemaan mitään epäolennaisuuksia. Ylipäätään hyvän graafisen esityksen tulisi palvella varsinaista tarkoitustaan selittävänä, tutkimiseen johdattelevana ja koristavana asiana. Graafisen esityksen tulisi myös olla läheisesti integroituna tilastolliselle ja suulliselle datan selostuksille. [2 s. 13] Edellä mainittujen vaatimusten kautta muodostuu graafiselle oivallisuudelle eräänlainen määritelmä. Graafinen oivallisuus on: hyvin suunniteltu esitys mielenkiintoisesta datasta kompleksisten ideoiden esittämistä selkeästi, tarkasti ja tehokkaasti mahdollisimman monien eri ajatusten herättämistä katselijassa, mahdollisimman lyhyessä ajassa, mahdollisimman pienellä määrällä mustetta mahdollisimman pienessä tilassa. [2 s. 51] Tuften luettelemista hyvän graafisen esityksen vaatimuksista nousee mielestäni todella tärkeänä esille graafisen esityksen tarkoituksenmukaisuus. Ihmisten tehdessä toisilleen tarkoitettuja graafisia esityksiä, tulee grafiikalla ehdottomasti olla jokin päämäärä. Esimerkiksi ryhmämme ohjelmointitehtävässä, jossa on tarkoitus esittää eri valtiota koskevia kvantitatiivisia tilastoja erilaisin graafisin keinoin, tulisi jokaisella esittämiskeinolla pyrkiä johonkin tavoitteeseen. 5

Kvantitatiivisen informaation graafisella esittämisellä voidaan esimerkiksi yrittää mahdollisimman hyvin havainnollistaa eri maiden tilastoissa ilmeneviä eroja. 4.2 Valehtelevat graafiset esitykset Tarkoituksenmukaisuudessa on toki omat haasteensa, kun puhutaan informaation esittämisestä graafisessa muodossa. Tuften mukaan suurimmalle osalle ihmisistä tuleekin tilastollisista grafiikoista mieleen ensimmäisenä sana vale [2 s. 53]. Onkin totta, että objektiivisimmastakin kvantitatiivisesta datasta voidaan melko yksinkertaisin keinoin saada aikaan graafinen esitys, joka ei enää kuvaakaan totuutta. Tarkat säännöt esimerkiksi eroa kuvaavien akseleiden ja arvojen merkitsemisessä tekevät kuitenkin esityksestä yhtenäisemmän ja näin valehtelemisesta vaikeampaa. [2 s. 77] 4.3 Graafisen esittämisen perusperiaatteet ja johtopäätökset Tufte esittää hyvälle graafiselle esittämiselle viisi perusperiaatetta. Hänen mukaansa kaiken perustana on tietenkin datan esittäminen. Se, millä päästään parempiin esityksiin on, että maksimoidaan data/painomuste -suhde. Tämä saavutetaan poistamalla esityksistä painomustetta, joka ei sisällä dataa tai painomustetta, joka sisältää redundanttia dataa. Viimeisenä perusperiaatteena on koko parannuksen toistaminen uudelleen ja uudelleen. [2 s. 105] Henkilökohtainen graafinen kyvykkyys vaatii graafisen esitysmuodon suunnittelijalta monenlaisia ominaisuuksia, kuten riippumattomuutta sekä tilastollisia ja taiteellisia taitoja [2 s. 87]. Kun esittäjän hyvät ominaisuudet vielä yhdistetään Tuften tarjoamiin graafisen esittämisen perusperiaatteisiin, on lopputulos taatusti oivallinen. 5. Lähdeluettelo [1] Spencer R. Information Visualization: Design for Interaction. Prentice Hall 2007. [2] Tufte, E. The Visual Display of Quantitative Information. Graphics Press. 1983. 6