Quel (s) domaine (s) scientifique (s) étudie comment les gens interprètent les résumés quantitatifs et les visualisations?

Il existe une abondance de ressources bien connues offrant des conseils sur la visualisation des données. (Par exemple, Tufte, Stephen Few et al , Nathan Yau .) Mais vers quel (s) domaine (s) peut-on se tourner pour obtenir des réponses à des questions comme celles-ci:

• La critique du diagramme circulaire est-elle pertinente dans la pratique? Les gens interprètent-ils mieux la longueur d'échelle linéaire que la longueur d'arc?
• Supposons que je construise un résumé d'index d'un ensemble de variables sous-jacentes et que j'explique à un public profane que les États-Unis ont une valeur de 100 en 2010 et de 110 en 2015. Comment la plupart des gens interpréteront-ils ces chiffres? Y a-t-il des habitudes cognitives naturelles que je devrais considérer lorsque je présente cette métrique, soit pour tirer parti d'une meilleure explication, soit pour éviter une mauvaise interprétation?

Autrement dit, dans quels domaines scientifiques les diffuseurs d'informations quantitatives peuvent-ils rechercher des principes empiriquement solides et testés qui aident à trier la pléthore de conseils de visualisation et de conception disponibles de nos jours?

L'objectif n'est pas de trouver des conseils, des idées ou un consensus actuel sur la meilleure façon de visualiser les données ou d'aborder de nouveaux problèmes de visualisation des données, mais d'apprendre où chercher la science sur la façon dont les gens interprètent les informations quantitatives et / ou visuelles.

(Crédit supplémentaire pour les références à des revues, conférences et spécialistes du domaine.)

Gerd Gigerenzer est largement reconnu comme l'un des experts mondiaux des aspects cognitifs de la numératie ou, alternativement, de l'innumératie. Il a de nombreux articles et livres sur ces sujets référencés sur son site Web ( https://www.mpib-berlin.mpg.de/en/staff/gerd-gigerenzer ). Un de ses textes clés est son livre de 2002 Calcul des risques: comment savoir quand les chiffres vous trompent . Lisez le résumé ici: https://www.mpib-berlin.mpg.de/en/research/adaptive-behavior-and-cognition/publications/books/calculated-risks

Le travail de Gigerenzer sur la théorie de la décision basée sur la cognition examine la façon dont l'information est présentée. Un article représentatif ici est L'illusion de richesse et son renversement de Dan Goldstein disponible ici ... http://rady.ucsd.edu/docs/seminars/goldstein.pdf Voici de l'intro:

Récemment, les chercheurs et les décideurs ont commencé à accorder plus d'attention non seulement à l'architecture de choix mais aussi à l'architecture de l'information: le format dans lequel l'information est présentée aux gens. La recherche en architecture de l'information a montré, par exemple, que le contenu calorique des aliments peut être bien apprécié en termes de quantité d'exercice qu'il faudrait pour réduire les calories, et la compréhension de l'efficacité énergétique des voitures peut être améliorée en présentant des informations dans termes de gallons par 100 miles au lieu de miles par gallon. Cet article examine l'architecture de l'information, mais au lieu de consommer des calories ou de l'essence, nous abordons la consommation économique à la retraite.

Un ajout récent important à la littérature est la recherche de Berkeley Dietvorst sur «l'aversion des algorithmes» et la prise de décision. Dietvorst soutient que par rapport à la modélisation prédictive, les naïfs et / ou les analphabètes techniquement ont tendance à supposer que les modèles prédictifs sont une "balle magique" ou parfaitement informatifs et lorsque les algorithmes s'avèrent, au mieux, faiblement prédictifs, alors la réponse typique est de rejeter solutions quantitatives.

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

Ensuite, il y a des blogueurs comme Kaiser Fung qui maintient son site Web Junkcharts critiquant les graphiques et les visualisations de grands pubs tels que les NYT ou le WSJ http://junkcharts.typepad.com/

Lié à votre question de visualisation est le travail d'experts en conception tels que Manuel Lima qui maintient un site Web VisualComplexity.com couvrant les nombreuses approches à ce sujet. Lima enseigne également la visualisation de données à la Parsons School of Design de New York. http://www.visualcomplexity.com/vc/

Outre Parsons, d'autres institutions de conception et de visualisation comprennent:

Collège de design et de contexte social https://www.rmit.edu.au/about/our-education/academic-colleges/college-of-design-and-social-context/

Culture Analytics Institute de l'UCLA
http://www.ipam.ucla.edu/programs/long-programs/culture-analytics/

Institut culturel de Google https://www.google.com/culturalinstitute/home

Une exposition et un livre sur le design du MoMA

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

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

En termes de conférences il y a le Eyeo Festival http://eyeofestival.com/

Dans le logiciel R, le gourou de la visualisation est Hadley Wickham http://had.co.nz/

Dans le logiciel SAS, il y a Rob Allison http://www.robslink.com/SAS/graph_book.htm

Enfin, les types de sites Web «ponctuels» ne manquent pas:

http://infosthetics.com/ superbes visuels des données du gouvernement

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

http://www.informationisbeautifulawards.com/

Comment mal afficher les données par 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 conception et de communication de Maria Popova https://www.brainpickings.org/2012/06/26/talk-to-me-moma-paola-antonelli-book/

Galerie de visualisation des données http://www.datavis.ca/gallery/index.php

Tableau périodique de visualisation des données http://www.visual-literacy.org/periodic_table/periodic_table.html

Notre monde dans les données http://ourworldindata.org/

Cela commence juste à rayer la surface de ce qui existe ...

La psychophysique étudie la façon dont les humains réagissent et interprètent les stimuli, y compris l'interprétation des visualisations de données. Le Cleveland et McGill papier lié dans les commentaires est un exemple, et la deuxième partie de ce document donne un aperçu rapide de quelques perspectives.

La cognition numérique ou mathématique est une sous-discipline des sciences cognitives qui étudie des choses comme le sens des nombres . Il emprunte parfois des concepts à la psychophysique, par exemple l'échelle de Fechner , qui "déclare que la sensation subjective est proportionnelle au logarithme de l'intensité du stimulus". Description par Wiki du concept appliqué à la cognition numérique:

Les études psychologiques montrent qu'il devient de plus en plus difficile de discriminer entre deux nombres à mesure que la différence entre eux diminue. C'est ce qu'on appelle l'effet de distance. Ceci est important dans les domaines de l'estimation de la magnitude, tels que le traitement des grandes échelles et l'estimation des distances. Il peut également jouer un rôle dans l'explication des raisons pour lesquelles les consommateurs négligent de magasiner pour économiser un petit pourcentage sur un gros achat, mais fera le tour pour économiser un pourcentage important sur un petit achat, ce qui représente un montant en dollars absolus beaucoup plus petit.

De même, en économie comportementale, la théorie des perspectives ( document original ) examine les choix humains entre des alternatives probabilistes risquées.