Советы по визуализации данных о COVID-19

АвторRowan Philp
Jul 3, 2020 в COVID-19 Reporting
COVID-19 data

Составленная Университетом Джона Хопкинса карта распространения COVID-19 – с ее четкими цифрами и красными кругами на черном фоне – стала для многих репортеров и их аудитории по всему миру заслуживающей доверия картиной пандемии коронавируса.

Эта карта – один из примеров широкого использования инструментов визуализации данных как одного из самых сильных средств, помогающих людям разобраться в том, как невидимая угроза распространяется по всему миру.

Но всемирно известный специалист в области визуализации профессор Альберто Каиро считает, что можно было бы улучшить даже превосходную карту Университета Джона Хопкинса: ведь в районе Европы круги представляют количество случаев для каждой страны, а в районе США каждый круг соответствует округу – и люди могут сделать на этой основе неправильные выводы.

"Эта замечательная карта, – сказал Каиро, возглавляющий кафедру визуальной журналистики в Школе коммуникаций Университета Майами. – Но не лучше ли было бы, если бы данные были представлены более последовательно? Например – везде представлять данные по стране, а при увеличении карты давать данные по округам?"

[Читайте также: How to deal with COVID-19 and data]

Во время двенадцатого вебинара организованной GIJN серии, посвященной журналистским расследованиям о пандемии, журналист-расследователь Даниэль Айвори и эксперт по работе с данными в области здравоохранения Аманда Макулец присоединились к Каиро и поделились идеями о том, как журналистам выбирать и представлять данные и созданную на их основе инфографику. Вебинар прослушали 266 журналистов из 46 стран мира.

Ведущие вебинара согласились, что журналисты после тщательной проверки информации должны не только отображать данные наиболее подходящим и понятным способом, но также четко объяснять инфографику и данные и открыто сообщать, если с данными связана какая бы то ни была неопределенность.

По словам Каиро, визуализация данных стала во всем мире одним из наиболее эффективных форматов, позволяющих представить информацию и помочь людям понять, что происходит во время пандемии.

"По-моему, совершенно ясно, что наиболее сложная часть освещения кризиса, вызванного пандемией, связана с качеством данных, а не с их визуализацией, – сказал Каиро, чья последняя книга называется "Как лгут графики" (How Charts Lie — Getting Smarter about Visual Information – более подробно об этом можно прочитать в нашей статье здесь). – Хорошая новость в том, что визуализация становится очень популярной. Но я также вижу много ошибок в визуализациях данных о пандемии".

Макулец, эксперт по работе с данными в области здравоохранения и операционный директор Общества визуализации данных (Data Visualization Society), напомнила, что журналисты должны понимать, как были собраны данные о COVID-19, прежде чем решать, использовать ли эту информацию в инфографике.

[Читайте также: Using data journalism to cover the pandemic in Latin America]

Например, она указала на десять различных ситуаций – от использования палочек для тестирования на коронавирус до ввода результатов в электронные таблицы, – где возможна человеческая ошибка и разрыв во времени сбора данных – до того, как эти данные появятся в национальных базах данных.

Журналистка The New York Times Айвори сказала, что самым трудным было сравнивать данные о COVID-19, потому что представители системы здравоохранения в разных штатах и округах часто ссылаются на различные базы данных или используют различные определения категорий, которые кладутся в основу анализа.

В прошлом месяце Айвори и ее коллеги продемонстрировали, что более трети смертей от COVID-19 в США связаны с учреждениями длительного ухода, включая дома престарелых.

Мы собрали советы трех специалистов, участвовавших в вебинаре, и предлагаем вам десять советов, которые помогут правильно подойти к созданию визуализации данных о COVID-19.

1. Объясните, как читать график, до того как объясните, как понимать данные. К недавнему графику, отражающему количество потерянных из-за пандемии рабочих мест, The New York Times добавила ясные, использующие простой язык комментарии, например, "Каждый круг в графике представляет область занятости. Чем больше круг, тем больше людей выполняют эту работу".

2. Пишите текст, сопровождающий график, одновременно с созданием самого графика: это помогает структурировать информацию как вам самим, так и вашим читателям.

3. Сортируйте данные легко понятным способом, например, хронологически или сопоставляйте по группам.

Каиро реорганизовал данные о COVID-19 из малопонятной диаграммы, составленной Министерством здравоохранения штата Джорджия (слева) в новую таблицу (справа), где данные сгруппированы по округам и расположены в хронологическом порядке.

 

4. Если вы или ваша аудитория плохо знакомы с визуализацией данных, начните с простого, например, с карт, столбиковых диаграмм или линейных графиков. Вы можете использовать такие инструменты, как Datawrapper, Flourish и iNZight. Используйте также созданные экспертами онлайн-учебники, например, это руководство, созданное Каиро.

5. Не ограничивайте себя использованием только простых инструментов и графиков. Время от времени бросайте вызов своей аудитории, представляя им данные по-новому, создавая новые типы визуализаций.

Это только несколько разных типов визуализации, из которых редакторы могут выбирать те, что подходят им лучше всего. Источник фотографии  datavizcatalogue.com.

 

6. Не старайтесь визуализировать слишком много данных, сократите их количество, если кажется, что их слишком много. Определитесь с ключевыми моментами и придерживайтесь их.

7. Не существует плохих форматов визуализации, но некоторые из них подходят для определенных наборов данных и аудитории больше, чем другие. Графики, которые выглядят особенно нелогично, могут даже нуждаться в дополнительном графике для объяснения непонятных моментов. Например, параллельно с картограммами – которые искажают области карты в зависимости от их отношения к переменной – должны быть представлены обычные карты этой местности.

8. Используйте линейные шкалы для чисел, а нелинейные – включая логарифмические шкалы – для демонстрации скорости изменения. Объясняйте нелинейные графики четко и понятно, поскольку читателям трудно в них разобраться.

На примере данных о поколениях грызунов Каиро сравнил линейную шкалу (вверху) с логарифмической шкалой (внизу), чтобы показать, почему нелинейные шкалы важны для иллюстрации скорости изменения. Фото предоставлено Альберто Каиро. 

 

9. По возможности отражайте в визуализации неопределенность в представленных данных, например, пределы погрешности или доверительные интервалы. О неопределенности, которую нельзя измерить, – связанной, например, с тем, как собирались данные, – можно написать в сопроводительном тексте.

10. Забудьте традиционную мантру дизайнеров "показывай, а не рассказывай". По словам Каиро, визуальные журналисты должны "и показывать, и рассказывать". Когда-то многие дизайнеры рассматривали сопроводительный текст как второстепенную по важности добавку к графикам, а сейчас он считается критически важным: он позволяет еще раз подчеркнуть основные выводы и помогает читателям понять инфографику.


Эта статья была опубликована на сайте Глобальной сети журналистских расследований и печатается IJNet с разрешения.

Источник верхней фотографии – Christine Sandu, лицензия СС сайта Unsplash.