“Ik zal het even voor je opzoeken!” Het is een veelgegeven antwoord op vragen naar de tijd, weersverwachting, schoolcijfers en vertrektijden van het OV. Deze infobesitas, waar steeds meer (voornamelijk jonge) mensen aan lijden, is een interessante speelplaats om nieuwe ontwerpstrategieën op toe te passen. Steeds vaker wordt er gebruik gemaakt van illustraties en filmpjes om een boodschap duidelijk over te brengen. Op welke wijze zijn dergelijke datavisualisaties van invloed op de overtuigingskracht? Databases van bronnen worden gevoed door zowel consumenten, overheden als bedrijven. Denk hierbij bijvoorbeeld aan het bijhouden van persoonlijke websites, gemeenteregisters en meetapparatuur. Alle gegevens van de database zien er uit als ellenlange tabellen die bijna onmogelijk zijn om per stuk te bekijken. Om de boodschap eenvoudig en aantrekkelijk over te brengen, worden deze gegevens omgevormd tot grafieken, illustraties en filmpjes ook wel datavisualisatie genoemd.

Source: img.skitch.com via Regio on Pinterest

Don’t make me think

Volgens Steve Krug (auteur van “Don’t make me think“) wil een lezer over het algemeen zo min mogelijk cognitieve energie  steken in het begrijpen van content. Voor een ontwerper betekent dit dat hij hier rekening mee moet houden, wil hij de boodschap zo goed en aantrekkelijk mogelijk aan de lezer presenteren. Het boek richt zich voornamelijk op het ontwerp van websites, maar bij datavisualisatie en infographics (visuele representaties van informatie, data of kennis die informatie ondersteunen en versterken binnen een bepaalde context) is het doel hetzelfde: informatie uit een database op een gestructureerde wijze aan de lezer presenteren.

Hoe wordt data begrijpelijk gemaakt? 

Als de lezer zelf de mogelijkheid heeft om de informatie te selecteren en te herstructureren en er toch enorme hoeveelheden data op eenvoudige wijze gepresenteerd worden, dan is er sprake van een datavisualisatie. Tufte geeft hiervan volgende definitie: “Datavisualisaties geven gemeten hoeveelheden door middel van gecombineerd gebruik van punten, lijnen, een assenstelsel, cijfers, symbolen, woorden, arcering en kleur weer”. Deze gemeten data is de hoogste vorm van abstractie met daarboven informatie, kennis en inzicht. Om de data begrijpelijk te maken voor de lezer moet er een vertaalslag gemaakt worden op abstracte en visuele aspecten. Figuur 1 is een infographic afkomstig van Visual.ly (2012). Het is een afbeelding van twitterdata met een vergelijking tussen twee accounts: @SpecialsRegio en @TheJaneway.

Source: twitter.visual.ly via Regio on Pinterest

Maar kan alle data dan leiden tot een grafische weergave? Het eenvoudige antwoord is ja. Want als je voor elk gegeven een cijfer zet, en al die cijfers op een rijtje zet, heb je ook een weergave. Echt interessant is het daarentegen niet. Meestal wordt er gezocht naar patronen, vergelijkingen en afwijkingen in een dataset. Dit proces wordt ook wel Data Mining genoemd en wordt ook gebruikt om bijvoorbeeld DNA-moleculen van organismen te bestuderen. Toch zijn Data Mining en datavisualisaties niets nieuws. De eerste voorbeelden stammen namelijk al uit 1854.

Fundamentele stappen

Omdat het menselijk brein veel kan begrijpen, wordt er meestal gebruik gemaakt van een van de drie stappen, aldus Matthias Shapiro.

1.) De eerste stap is om een vraag te stellen. Bijvoorbeeld: “Hoe groot is de oppervlakte van de olievlek in de Golf van Mexico?”.

2.) De tweede stap is de informatie verzamelen. In veel gevallen bestaan deze datasets al, zoals meetgegevens van de overheid of geografische gegevens van een netwerksite. Die laatste wordt niet gecreëerd door meetapparatuur, maar wordt gevuld door de gebruikers van die website.

3.) De laatste stap is de gegevens op een ordelijke manier weer te geven zoals in een schaal op kleur, grootte, vorm, locatie, verbindingen of tijd.

Regels van het visualiseren

In het boek “The Visual Display of Quantative Information” legt Edward Tufte uit welke regels er volgens hem verbonden zijn aan het visualiseren van data. Samengevat moet een visualisatie een duidelijk doel hebben, scanbaar zijn en helder communiceren. Omdat er meerdere datasets gecombineerd kunnen worden moet het ook voldoende diepgang bieden, de vraag beantwoorden en een verhaal vertellen.

Metaforen

In een datavisualisatie wordt gebruik gemaakt van metaforen. In figuur 2 is een visualisatie van de aardbevingen rond Japan te zien in de periode van 1900 tot heden. Deze interactieve weergave toont de kracht, het bereik, de datum en het aantal slachtoffers. De gebruiker kan zelf aangeven welke elementen wel en niet getoond worden in een bepaalde periode. Een metafoor die gebruikt wordt is de landkaart op de achtergrond en het onderscheid dat daarbij gemaakt wordt tussen land en water. Dit is een zogenaamde motivated icon omdat het direct verwijst naar iets in de werkelijkheid. De magnitude en depth zijn arbitraire symbolen. De keuze van kleur en vorm had prima anders kunnen zijn. De legenda geeft ook aan dat de maker iets meer informatie wil geven over de gebruikte symbolen. In de wereld van interface iconen heeft dit te maken met deprivatie en condensatie. Bij deprivatie gaat het om de stap van code naar icoon. Bij condensatie gaat het om de overgang van doel naar icoon. Bij datavisualisaties denkt de maker vanuit beide zijden.

Figuur 2: Aardbevingen Japan (Aldhous, 2011)

Persuasieve werking

“There are right ways and wrong ways to show data; there are displays that reveal the truth and displays that don’t.” (Tufte, 1997). Een persuasieve tekst zorgt voor een gedragsverandering. Datavisualisaties worden gevoed door statische data die vormgegeven worden door software. De ontwerper bepaalt op welke manier de software die data toont. Bijna elke branche komt in aanraking met datavisualisaties. Doordat de databases inzichtelijker worden (van onleesbaar naar behapbaar), kunnen mensen effectiever en succesvoller de informatie interpreteren en verwerken. Deze steeds succesvollere samenwerking heeft veel weg van de man-computer symbiose, aldus Licklider in het artikel Man-computer symbiosis. Licklider stelt dat als een interface van goede kwaliteit is, de samenwerking tussen de computer en de mens beter verloopt en dus de vertaalslag van data naar informatie beter gemaakt kan worden. Hoe beter de datavisualisatie dus de data presenteert, hoe minder ruis tot stand wordt gebracht waardoor de samenwerking tussen mens en visualisatie beter verloopt.

Source: img.skitch.com via TheJaneway on Pinterest

Datavisualisaties laten meestal het verloop van een proces over een bepaalde periode zien. Kleurgebruik is daarbij een handige en veel gebruikte tool om de boodschap sneller over te brengen. Bij geografische informatie worden vrouwen vaak met roze of rood aangegeven en mannen met de kleur blauw. Bij een goed- en slechtschaal hebben de kleuren groen en rood de voorkeur. Deze elementen kunnen worden vergeleken met retorische figuren zoals metaforen, hyperbolen of ironie. Het gevaar van de retorische aspecten in een datavisualisatie is dat de lezer door de overvloed van stijlelementen niet weet wanneer iets overdreven of ironisch is afgebeeld.

In de praktijk

Een succesvolle datavisualisatie moet dus aan een aantal elementen voldoen. De lezer wordt namelijk niet zomaar overtuigd door de informatie die erin staat. Het tricky-gedeelte is echter wel dat de lezer of kijker niet kan zien of de content volledig is en zal sneller verleid worden door het uiterlijk dan door argumenten. Hier maken marketeers gretig gebruik van. Opzichzelfstaande visualisaties komen dan ook steeds vaker voor in de marketing en brandingstrategie (zie figuur onder AH), waarin veelal gedeelde interesses worden gevisualiseerd (denk aan pinterest). Geloofwaardigheid en overtuigingskracht worden  vergroot door de context waarin het gebruikt wordt. Infographics zijn momenteel enorm populair en de kracht er van wordt steeds meer benut. Pak je kans door ook jouw data op een aantrekkelijke manier te presenteren en te ontsluiten!

Source: imgur.com via TheJaneway on Pinterest

Tufte, E. (2001). A visual display of quantitative information.

Licklider. (1960). Man-computer symbiosis.

McLuhan, M. (1964). Understanding Media: The Extensions of Man.

The following two tabs change content below.
heeft zowel de studie Communicatie en Multimedia Design voltooid als Communicatie en Informatiewetenschappen. Momenteel is Anita werkzaam als zelfstandig fotograaf en als hoofdredacteur van Crossmedialog.

One Response so far.

  1. Metaforen zegt:

    [...] is, maar hoe wordt dit toegepast in infographics? Hiervoor heb ik een voorbeeld gevonden op een blog waarbij een praktijk voorbeeld beschreven wordt van aardbevingen in Japan. Een simpele metafoor is [...]

Laat uw reactie achter