Precisión de las codificaciones visuales
Ordena las maneras de mostrar un valor (posición, longitud, ángulo, área, color) según la precisión con que las personas los leen y los comparan.
Qué problema aborda
Explica por qué los mismos datos se comparan bien en barras y mal en un gráfico circular. Al diseño le da un criterio para decidir cómo dibujar cada valor.
Un ejemplo
Un ejemplo ilustrativo: cinco productos con ventas parecidas, mostrados de dos maneras.
Los datos son los mismos; cambia la tarea que le pides a la vista.
Por qué pasa
Cada gráfico pide una tarea visual: juzgar una posición, un largo, un ángulo o un área;
no todas son igual de precisas, y la posición sobre un eje común es la que mejor leemos;
si el dato importante va en una tarea difícil, se compara mal aunque el gráfico sea correcto.
Aplicaciones en diseño
Úsalo así
Pon lo más importante en la posición sobre un eje común; deja el color y el área para lo secundario.
Evita
Pedir comparaciones finas con ángulos, áreas o tonos de color.
Para no caer
Si necesitas leer las etiquetas para saber qué valor es mayor, la codificación no está funcionando.
1,96 veces
Lo que dice la investigación
Fue más preciso comparar posiciones en barras que ángulos en un gráfico circular, en un experimento con 51 personas (Cleveland y McGill, 1984).
Evidencia sólida. Una réplica en línea confirmó que la posición gana, aunque el ángulo no salió peor que la longitud, como predecía el orden (Heer y Bostock, 2010).
Conexiones
Se usa en
Relacionado con
Autores y obras
- 1984
William S. Cleveland y Robert McGill
Propusieron el orden de las tareas visuales y lo pusieron a prueba con experimentos de comparación de valores.
- 2010
Jeffrey Heer y Michael Bostock
Repitieron los experimentos con participantes en línea, confirmaron el orden general y añadieron las áreas de rectángulos.
Fuentes
Fuentes originales
- Cleveland, W. S. y McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554. Ver fuente: Cleveland, W. S. y McGill, R. (1984)
- Heer, J. y Bostock, M. (2010). Crowdsourcing graphical perception: Using Mechanical Turk to assess visualization design. En Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (pp. 203–212). ACM. Ver fuente: Heer, J. y Bostock, M. (2010)
Última revisión: