Je me retrouve de plus en plus mal à définir des points de rupture lors de l'affichage de cartes choroplèthes (alias thématiques) à afficher par les autres . Quelqu'un at-il des références suggérées qui aident à guider, à la fois comment choisir le type d'échelle utilisé et le nombre approprié de points de rupture? En particulier pour le nombre de bacs, je n'ai jamais vu d'arguments pour un nombre limité (par exemple, vous ne devriez pas en utiliser plus de 5).
Pour être plus précis sur ce que je recherche, la plupart des références que j'ai rencontrées sur le sujet sont similaires au document référencé par julien dans ce post , et je cherche juste une discussion plus approfondie sur le sujet.
Quelques cas d'utilisation spécifiques que je rencontre fréquemment (pour des exemples de mes difficultés);
- Lorsque vous affichez des données présentant un grand biais vers la droite, j'hésite généralement à afficher une échelle exponentielle. Je crains (pour le public auquel j'affiche généralement des cartes) que cela entraîne une plus grande charge cognitive en lisant l'échelle et en mappant les valeurs d'attribut réelles aux couleurs. Mes craintes sont-elles incorrectes? Aussi pour ces types de distributions, j'ai du mal à justifier un nombre particulier de bacs.
- Lors de l'affichage de nombreuses petites cartes multiples, comment choisir une échelle appropriée qui permet de visualiser efficacement les relations à l'intérieur et entre les petits multiples? Ma norme de facto lorsque les échelles d'attributs varient dans une large mesure est d'utiliser des quintiles dans chaque distribution distincte. Les quintiles sont-ils trop nombreux et créent-ils un fardeau cognitif trop important pour être comparés entre les panels? Je suppose que les gens comprennent que les classifications quantiles sont équivalentes aux classements (et donc lorsqu'elles sont classées de cette façon facilite l'interprétation entre les panels), cette hypothèse est-elle correcte?
J'ai d'abord écrit un paragraphe essayant de décrire les objectifs de telles cartes, mais je soupçonne que mes objectifs sont assez typiques, donc c'était inutile. La seule chose à clarifier à nouveau est que ceux-ci sont destinés à être consultés par d'autres personnes (comme dans les rapports, les publications) et ne sont pas vraiment destinés à ma propre analyse exploratoire des données (bien que je soupçonne que de bons conseils devraient être traduits dans les deux cas). Une bonne référence peut peut-être décrire les objectifs potentiels de ces cartes et les compromis associés à l'utilisation de différents systèmes de classification. Je serais intéressé par des références spécifiques et générales.