Шэзна Нэсса — специалист по визуальному сторителлингу, член журналистского общества JFC в Стэнфордском университете, бывший заместитель главного редактора Associated Press — о понятии визуальная грамотность и средствах ее достижения.
«Важно не то на что вы смотрите, а то что вы видите» — Генри Дэвид Торо
В последние годы визуализация данных в журналистике востребована как никогда: к ней обращаются как для поиска и анализа данных в исследовательских целях, так и для того, чтобы представить информацию публике. Более десяти лет я провела в новостных редакциях: сначала делала интерактивную графику самостоятельно, а затем координировала и оптимизировала работу графических, интерактивных и мультимедийных команд. Новостные редакторы делали все возможное, чтобы наши работы были дерзкими и инновационными: создавали междисциплинарные команды, чтобы повысить наши творческие возможности; нанимали талантливых специалистов за пределами традиционной журналистики, с предыдущим опытом работы в информационных технологиях, статистике или искусстве. В результате такого подхода часть наших визуализаций стала склоняться в сторону все более специфической аудитории. И мы теряли читателей, потому что не принимали во внимание визуальную грамотность нашей аудитории.
Визуализация данных и журналистика
Когда-то слово «визуализация» описывало акт создания мысленного образа. Сегодня оно скорее означает графическое представление информации. Мы живем во все более и более визуальном мире, всматриваемся в экраны разных размеров, разрешение которых с каждой новой версией устройств постепенно увеличивается. Мы живем в мире с большим количеством доступных нам данных, чем когда бы то ни было. IBM утверждает, что 90% данных в мире были созданы за последние два года, и что ежедневно мы создаем 2.5 квинтильона байтов данных, способствуя развитию того, что некоторые называют новой нервной системой планеты. Объедините большие объемы данных с тем фактом, что человеческий мозг быстрее и проще воспринимает изображения, чем текст — вы получите расцветающий мир визуализации данных. Для нас это наиболее действенный способ обнаружения и понимания скрытых образов, взаимосвязей. Текст, фотографии и видео — это журналистские форматы, которые информируют общественность и дают ей возможность принимать решения. Визуализация данных быстро присоединяется к их разряду, как не менее важный формат.
Джули Стил из О’Рейлли выделяет три категории визуализации:
Инфографика — использует небольшой набор данных и много ручной работы над дизайном, например, вот эта работа National Geographic.
Визуализация данных — использует большие наборы данных с меньшим количеством ручной работы над дизайном; базируется на алгоритмах. Например, интерактивная работа New York Times.
Визуальное искусство — однонаправленное кодирование. Красивые, но трудно поддающееся расшифровке визуализации, например, вычислительное искусство Кунала Ананда.
В чем проблема?
Визуализация данных в журналистике часто подвержена влиянию компьютерных наук и математики. В результате, чтобы представить данные в журналистских работах, используются причудливые формы, очертания и взаимосвязи. Этот эффект усиливается еще и быстрым размножением инструментов, которые делают создание любых видов визуализации проще, таких как Many Eyes, Tableau, и общедоступные библиотеки, в том числе D3.
В итоге многие работы привлекают только изощренных пользователей, но не позволяют вникнуть в суть вопроса непосвященным читателям, тем самым причиняя вред цели визуализации – информировать общественность. Именно поэтому настолько важно осознать и понять проблему визуальной грамотности в контексте визуализации.
Новая «визуальная грамматика» журналистики
Приведу в пример три работы, которые экспериментируют со способами представления интерактивной журналистики. Они выглядят внушительно, но и их интерпретация может стать для многих непростой задачей.
Права гомосексуалистов в США, штат за штатом
Визуализация The Guardian о правах гомосексуалистов в Соединенных Штатах наделала много шума в журналистских кругах и в мире визуализации данных из-за ее экспериментального формата. В разговорах и спорах особо выделяют напряженность между новизной и более привычными форматами. Графика представляет страну в виде круга, который позволяет вывести на экран больше информации, чем в формате карты. Формы и цвета привлекательны, но они же — дополнительный уровень для читателя, требующий приложить больше усилий, чтобы добраться до сути.
Китайские связи
Агентство Рейтер представляет красивый проект, который визуализирует тысячи сложных взаимоотношений в структуре власти Китая. Дизайн чист и минималистичен, однако информации будто слишком много, и она отделена от текста, который выделен в отдельный блок. Углубленный поиск в интернете приводит к серии поясняющих видео на YouTube, на которую не ссылается сам проект. Эти видео-пояснения к навигации хороши сами по себе, однако они могли бы стать намного более полезными, если бы помогали пользователям прочесть визуализацию и понять ее содержание.
Решающая демографика
Взгляд Associated Press на демографические тенденции американских президентских выборов представляет собой весьма понятную интерактивную тепловую диаграмму. Но возможно, если добавить слой аннотаций с пояснениями, стало бы еще лучше. Стоит копнуть глубже и вы обнаруживаете сбивающую с толку процентную шкалу с цветовыми значениями, которые разбегаются в разные стороны, не давая возможности глазу ни за что зацепиться.
Не принимая во внимание визуальную грамотность аудитории, графика рискует отпугнуть читателей. Многие формы визуализации данных могут выглядеть новыми и интересными, но если средняя визуальная грамотность не принимается в расчет — сообщение и сюжет будут потеряны.
Что такое визуальная грамотность?
The Noun Project стремится создать глобальный визуальный язык, используя символы. Иконки «Исследовательский журнализм» были созданы во время мастер-класса iconathon.
Визуальная грамотность имеет дело со способностью понимать и интерпретировать образы. В книге «Визуализация информации: восприятие дизайна» – Information Visualization: Perception for Design Колин Уэйр говорит о «сенсорном» и «произвольном» распознавании образов. Сенсорное распознавание определяет изображения, которые могут быть восприняты мозгом без интерпретации: аспекты, которые наш мозг научился понимать быстро, без изучения, например, наскальные рисунки и текстуры. Произвольное распознавание определяет образы, которые должны быть изучены, такие как алфавит, условные обозначения в схемах или культурные ассоциации с цветом. Компьютеры позволяют нам создавать новые графические коды, то есть произвольные формы, которые нуждаются в некоторых пояснениях для пользователя, так как они не интуитивны и должны быть изучены.
Чтобы понять, какие визуальные коды (например длина, направление и цвет) наиболее точно воспринимаются людьми, Уильям С. Кливленд и Роберт МакГилл провели серию экспериментов, которые описаны в их работе 1984 года «Графическое восприятие: теория, эксперименты и применение к разработке графических методов».
Процесс кодирования количественных данных в визуальные образы не так прост, но самая эффективная расшифровка данных, согласно этой статье, происходит в следующей последовательности:
- Расположение на обычной шкале (например, линейные графики и графики рассеивания)
- Расположение на нелинейной шкале (например, множественные графики рассеивания)
- Длина, направление, угол (например, столбиковые диаграммы и круговые диаграммы)
- Пространство (например, пузырьковые диаграммы и древовидные карты)
- Объем, кривизна (например, объемные диаграммы)
- Оттенки, насыщенность цвета (например, тепловые диаграммы)
В заключении статьи авторы напоминают, что такое ранжирование должно использоваться лишь как руководство, а не как окончательный вердикт, потому что часто встречаются и другие трудности.
Задавайте себе больше вопросов
Для максимального воздействия визуализация должна выполнить свою цель: что именно она пытается продемонстрировать или прояснить? Не менее важно сосредоточиться на том, как сделать ответ на этот вопрос доступным аудитории. Как только вы обработали данные и экспериментируете с визуализацией для читателей, спрашивайте себя:
- Для кого я делаю это?
- Какое журналистское влияние должна оказать визуализация?
- Если я выбираю новые графические или интерактивные стили, какое руководство я предоставлю аудитории?
- Должен ли я смешивать исследовательские аспекты с пояснительными?
- Как я представлю свою историю?
- Могу ли я добавить примечание, причинный анализ, или news peg?
- Нет ли в визуализации избыточной информации, которую я все еще могу вырезать?
Хвала доступности
Статистик Ганс Рослинг умеет сделать визуализацию доступной для зрителя. Во время TED Talk он сам становится частью диаграммы, смешивая контекст и причинную обусловленность, чтобы рассказать о глобальных тенденциях в здоровье человека.
Некоммерческая организация Texas Tribune в одном примере не только объяснила что такое древовидные структуры, но даже создала обучающее видео о том, как пользоваться их визуализацией рекламных объявлений, которые появились во время предвыборной гонки за пост губернатора в Техасе в 2010 году. Вместо того, чтобы чрезмерно упрощать информационную графику и интерактивность в то время, когда данные сложны и возможности презентации обширны, они поспособствовали образованию своих зрителей.
Использование пояснений с целью направить аудиторию — эффективный способ обеспечить визуализацию контекстом, делая ее более доступной, примеры такого подхода можно увидеть в работах Quoi Info и BBC.
Серьезная подготовка: практические рекомендации
В документальном фильме Джеффа МакГи 2010 года, «Журналистика в эпоху данных», автор исследует слияние традиционных способов повествования с изощренными методами презентации. Это — превосходный фон для пейзажа визуальной журналистики.
Хуан Веласко из National Geographic описывает преодоление трудностей создания многосложной графики для мобильных пользователей.
Джеффри Хир и Майкл Босток стремятся утвердить более дешевые, краудсорсинговые методы будущего: в их экспериментах с восприятием они используют Amazon Mechanical Turk. Взгляните на их статью 2010 года: «Графическое восприятие и краудсорсинг: использование Mechanical Turk для оценки дизайна визуализации», они повторяют проводившиеся ранее исследования и сравнивают результаты.
Ставшая классикой книга Эдварда Тафти «Наглядное отображение количественной информации» ведет читателя через основы превосходства в статистической графике. Книга переполнена примерами: особое внимание автор уделяет графической целостности, плотности данных, а также «графическому хламу».
Начните отсюда
Не существует волшебной формулы, которая могла бы обеспечить визуализации данных равную привлекательность среди новичков и посвященных зрителей. Но есть лучшие практики и руководства по визуальной грамотности, некоторые из которых я указала в этой статье.
Существует новая грамматика, которую мы создаем в мире визуализации данных, ее правила должны быть сбалансированы в контексте журналистской ответственности перед читателем: информировать общественность и помогать ей в принятии решений. Это не означает, что мы должны прибегать только к простым формам и большим блокам пояснительного текста. Это значит, что мы должны вкраплять элементы обучения в нашу работу, чтобы обеспечить понятное руководство читателю. И при этом быть креативными и находить все новые формулы реализации этой идеи.
На первых парах необходимость объяснять дизайн может показаться нелогичной. В конце концов, действительно хороший дизайн не должен требовать отдельного объяснения. Но если мы хотим создавать более обширные и сложные визуализации, мы должны повышать осведомленность читателя о тех методах, к которым мы прибегаем, потому что полученное в результате более глубокое понимание мира того стоит.
Очень легко увлечься многочисленными инструментами, которые сегодня есть под рукой. Так как инструменты развиваются, а мы оттачиваем навыки владения ими, мы не должны забывать останавливаться и проверять, насколько хорошо они служат своей цели. Мы должны быть внимательны по отношению к нашей журналистской цели: уважать своего читателя и его время, и помнить, что мы – не наша аудитория.
Каждый визуальный сюжет — это компромисс между интуитивными и требующими допольнительное пояснение визуальными аспектами. Но также, что еще более важно, все они требуют большой порции человеческого суждения.
Автор: Шэзна Нэсса
Оригинал статьи: Visual literacy in an age of data
Pingback: Статьи о визуальной грамотности — Визуальная грамотность()