¿Qué campo (s) científico (s) estudia cómo las personas interpretan resúmenes cuantitativos y visualizaciones?

Hay una gran cantidad de recursos conocidos que ofrecen consejos sobre visualización de datos. (Por ejemplo, Tufte, Stephen Few y otros , Nathan Yau .) Pero a qué campo (s) podría recurrir para obtener respuestas a preguntas como estas:

• ¿La crítica del gráfico circular es relevante en la práctica? ¿Las personas son mucho mejores para interpretar la longitud de escala lineal que la longitud de arco?
• Digamos que construyo un resumen índice de un conjunto de variables subyacentes y le explico a un público lego que Estados Unidos tiene un valor de 100 en 2010 y un 110 en 2015. ¿Cómo interpretará la mayoría de las personas estos números? ¿Hay hábitos cognitivos naturales que debería considerar al presentar esta métrica, ya sea para aprovechar una mejor explicación o para evitar interpretaciones erróneas?

Dicho de otra manera, ¿en qué campos científicos pueden los presentadores de información cuantitativa buscar principios empíricos y probados que ayuden a clasificar la gran cantidad de consejos de visualización y diseño disponibles en estos días?

El objetivo no es encontrar consejos, ideas o consensos actuales sobre la mejor manera de visualizar datos o abordar nuevos problemas de visualización de datos, sino aprender dónde buscar la ciencia de cómo las personas interpretan la información cuantitativa y / o visual.

(Crédito adicional por referencias a revistas, conferencias y académicos del campo).

Gerd Gigerenzer es ampliamente reconocido como uno de los expertos mundiales en los aspectos cognitivos de la aritmética o, como alternativa, la innumeración. Tiene muchos documentos y libros sobre estos temas a los que se hace referencia en su sitio web ( https://www.mpib-berlin.mpg.de/en/staff/gerd-gigerenzer ). Uno de sus textos clave es su libro de 2002 Riesgos calculados: cómo saber cuándo los números lo engañan . Lea el resumen aquí: https://www.mpib-berlin.mpg.de/en/research/adaptive-behavior-and-cognition/publications/books/calculated-risks

Relacionado con el trabajo de Gigerenzer está el trabajo teórico de decisión basado en la cognición que analiza la forma en que se presenta la información. Un documento representativo aquí es The Illusion of Wealth de Dan Goldstein y su reversión disponible aquí ... http://rady.ucsd.edu/docs/seminars/goldstein.pdf Aquí está la introducción:

Recientemente, los investigadores y los encargados de formular políticas han comenzado a prestar más atención no solo a la arquitectura de elección sino también a la arquitectura de la información: el formato en el que la información se presenta a las personas. La investigación en arquitectura de la información ha demostrado, por ejemplo, que el contenido calórico de los alimentos se puede apreciar bien en términos de la cantidad de ejercicio que se necesitaría para eliminar las calorías, y la comprensión de la eficiencia energética de los automóviles se puede mejorar presentando información en términos de galones por 100 millas en lugar de millas por galón. Este artículo investiga la arquitectura de la información, aunque en lugar de consumir calorías o gasolina, abordamos el consumo económico durante la jubilación.

Una adición reciente importante a la literatura es la investigación de Berkeley Dietvorst sobre la "aversión al algoritmo" y la toma de decisiones. Dietvorst sostiene que los modelos predictivos de wrt, los técnicamente ingenuos y / o analfabetos tienden a suponer que los modelos predictivos son una "bala mágica" o perfectamente informativos y cuando los algoritmos demuestran ser, en el mejor de los casos, débilmente predictivos, entonces la respuesta típica es rechazar soluciones cuantitativas por completo.

https://marketing.wharton.upenn.edu/mktg/assets/File/Dietvorst%20Simmons%20&%20Massey%202014.pdf

Luego están los bloggers como Kaiser Fung que mantiene su sitio web Junkcharts criticando los gráficos y las visualizaciones de los principales pubs como NYT o WSJ http://junkcharts.typepad.com/

Relacionado con su pregunta de visualización está el trabajo de expertos en diseño como Manuel Lima, quien mantiene un sitio web VisualComplexity.com que cubre los muchos enfoques para esto. Lima también enseña visualización de datos en la Parsons School of Design en Nueva York. http://www.visualcomplexity.com/vc/

Además de Parsons, otras instituciones de diseño y visualización incluyen:

Facultad de Diseño y Contexto Social https://www.rmit.edu.au/about/our-education/academic-colleges/college-of-design-and-social-context/

Instituto de Análisis de Cultura de la UCLA
http://www.ipam.ucla.edu/programs/long-programs/culture-analytics/

Instituto Cultural de Google https://www.google.com/culturalinstitute/home

Una exposición de diseño de MoMA y libro

http://www.moma.org/calendar/exhibitions/1071?locale=en

http://www.amazon.com/Talk-Me-Communication-between-Objects/dp/0870707965

En cuanto a conferencias, existe el Festival Eyeo http://eyeofestival.com/

En el software R, el gurú de la visualización es Hadley Wickham http://had.co.nz/

En el software SAS, hay Rob Allison http://www.robslink.com/SAS/graph_book.htm

Finalmente, no faltan los tipos de sitios web "únicos":

http://infosthetics.com/ excelentes imágenes de datos gubernamentales

http://www.thefunctionalart.com/2012/09/in-praise-of-connected-scatter-plots.html

http://www.informationisbeautifulawards.com/

Cómo mostrar mal los datos por Karl Broman https://www.biostat.wisc.edu/~kbroman/presentations/IowaState2013/graphs_combined.pdf

https://www.biostat.wisc.edu/~kbroman/presentations/IowaState2013/index.html

Blog de diseño y comunicación de Maria Popova https://www.brainpickings.org/2012/06/26/talk-to-me-moma-paola-antonelli-book/

Galería de visualización de datos http://www.datavis.ca/gallery/index.php

Tabla periódica de visualización de datos http://www.visual-literacy.org/periodic_table/periodic_table.html

Nuestro mundo en datos http://ourworldindata.org/

Esto solo comienza a arañar la superficie de lo que hay ahí fuera ...

La psicofísica estudia cómo los humanos responden e interpretan los estímulos, para incluir la interpretación de las visualizaciones de datos. El Cleveland y McGill de papel ligado en los comentarios es un ejemplo, y la segunda sección de este documento da una visión rápida de un par de puntos de vista.

La cognición numérica o matemática es una subdisciplina de la ciencia cognitiva que estudia cosas como el sentido numérico . A veces toma conceptos de la psicofísica, por ejemplo, la escala de Fechner , que "establece que la sensación subjetiva es proporcional al logaritmo de la intensidad del estímulo". Descripción de Wiki del concepto aplicado a la cognición numérica:

Los estudios psicológicos muestran que cada vez es más difícil discriminar entre dos números a medida que disminuye la diferencia entre ellos. Esto se llama efecto de distancia. Esto es importante en áreas de estimación de magnitud, como tratar con grandes escalas y estimar distancias. También puede desempeñar un papel en la explicación de por qué los consumidores se niegan a darse una vuelta para ahorrar un pequeño porcentaje en una compra grande, pero van a darse una vuelta para ahorrar un gran porcentaje en una compra pequeña que representa una cantidad de dólares absoluta mucho menor.

Relacionado, en la economía del comportamiento, la teoría prospectiva ( artículo original ) examina las elecciones humanas entre alternativas probabilísticas arriesgadas.