「視覺化只是資料的另一面」 Jake Porway 相當值得省思的文章,裡面提到了幾個重點:
* 沒有妥善分析過資料,視覺化甚至可能是有害的。內文以紐約市某治安專案的地圖視覺化為例,舉出兩個同樣資料卻相反結論的圖表。
* 就像我們會去質疑照片的真偽,資料視覺化甚至資料本身也不代表就是事實。然而,一般大眾仍將圖表視為「事實」或「科學」,這相當危險。
* 就算我們的作品並沒有下結論,視覺化也可能會引導讀者做出結論,甚至是錯誤的結論。
資料背後的含意往往值得鑽研,我們在閱讀與製作視覺化的時候還是千萬要注意,不要讓我們的視覺化成為另一種兇器。
「視覺化只是資料的另一面」 Jake Porway 相當值得省思的文章,裡面提到了幾個重點:
* 沒有妥善分析過資料,視覺化甚至可能是有害的。內文以紐約市某治安專案的地圖視覺化為例,舉出兩個同樣資料卻相反結論的圖表。
* 就像我們會去質疑照片的真偽,資料視覺化甚至資料本身也不代表就是事實。然而,一般大眾仍將圖表視為「事實」或「科學」,這相當危險。
* 就算我們的作品並沒有下結論,視覺化也可能會引導讀者做出結論,甚至是錯誤的結論。
原文中另一個例子提到 Uber hackathon 的一個數據分析,以長條圖描繪美國奧克蘭一周各天因違法性交易而被捕的人數,圖中可以看到周三有個明顯的高峰,而社會福利金總是在週三發放,分析者便猜測可能與其有關。然而,也有人提到這可能只是因為奧克蘭警方出勤的習性造成的。
資料背後的含意往往值得鑽研,我們在閱讀與製作視覺化的時候還是千萬要注意,不要讓我們的視覺化成為另一種兇器。
資料視覺化 例子 在 紀老師程式教學網 Facebook 的最佳貼文
[好站介紹] 大數據學院(Big Data University)
---- 免費的資料科學(Data Science)影音教學網
http://bigdatauniversity.com/
#BigData #DataScience #elearning
「大數據」(也可以翻譯成「巨量資料」)是近年來人人朗朗上口、但真的要解釋清楚又不容易的名詞。它在資訊學科裡,屬於「資料科學」(Data Science)這個分支。是一門可以從看似雜亂的原始資料,用統計的方式,找出特定趨勢的學問。舉大家都看過的例子,就像購物網站裡「您可能也喜歡...」,然後撈出一堆貨品讓你覺得「哎?電腦怎麼這麼聰明?知道這些東西也是我喜歡的?」其實就是分析網站裡每個人的購物習慣,找出與你相似的人「買了、但你沒買」的物品而已。
這類人需要很強的「統計」與「資訊」背景,大家也知道「統計」不好學,想當然爾這類人才當然很稀少。偏偏目前市場上對這類人才需求孔急,於是各家網路行銷公司紛紛出高薪挖兼具「統計」與「資訊」背景的「大數據」人才。而想投入就業市場的朋友,也在高薪的誘惑之下,前仆後繼地往「大數據」這個領域移動。
今天要介紹給大家的,是個與「大數據」有關的免費教學網站,叫做「Big Data University」。您可以用 Google 或 Facebook 帳號登入,就可以享用該站提供的免費課程。要成為大數據人才需要有的技能,該網站都幫您提供了。我還幫大家找了一些專有名詞的說明網站,希望大家喜歡。該網站提供的大數據課程分類如下:
1. 統計基礎
(1) Big Data Fundamentals 課程
(2) Data Science Fundamentals 課程
2. 資料分析工具
(1) Introduction to R 課程
(2) Introduction to Data Analysis Using R 課程
(R軟體/R語言簡介請參看: http://goo.gl/UtfVhq )
3. 資料視覺化/呈現工具
(1) Introduction to OpenRefine 課程
(OpenRefine 簡介請參看: http://goo.gl/4b6D22 )
4. 資料庫相關課程
(1) SQL Fundamentals 課程
(2) Introduction to NoSQL 課程
(NoSQL 簡介請參看: http://goo.gl/SUI2wX )
5. 大數據使用的程式語言、函式庫
(1) Hadoop Fundamentals (Hadoop: 大數據常用程式語言)
(2) Spark Fundamentals (Spark: 大數據好用函式庫/軟體框架)
(Hadoop 簡介請參看: https://goo.gl/rR7J6z )
(Spark 簡介請參看: http://goo.gl/KUV6Bw )
對於小弟如此用心補充各種專有名詞中文資料可以按讚鼓勵一下嗎? XD 你對大數據有什麼看法呢?還是有什麼問題想問呢?歡迎在下方留言喔!
如果你覺得 Big Data University 太讚了!你可以轉發給 Facebook 的其他朋友。邀請有興趣的同好一起來學,不懂時互相討論,在某人想放棄時鼓勵他堅持下去,不是很美好的一件事嗎?
希望今天的分享您會喜歡,也希望能對增加您資訊專業這方面做出一點貢獻!
資料視覺化 例子 在 報導者 The Reporter Facebook 的最佳解答
【試驗新媒體,沒有答案,只有過程】
──美國媒體《NPR》視覺團隊參訪(上)
文/蔣宜婷
攝影/王啟安
一個小型的網路新聞團隊該怎麼運作?怎麼存活?怎麼用想像力奪回讀者在網路上已經過度疲勞的眼球?似乎成了新聞業例行的提問。這些問題盤旋在我們腦袋裡的時間,有時漫長到令人挫折。在《新聞e論壇》跟零傳媒合作、課堂上做資料視覺化以及論文寫作時,我常常想,或許這根本沒有完美答案。
上個月參加開放文化基金會主辦的資料新聞營,其中一名講者,美國公共廣播公司視覺新聞團隊(NPR visuals team)的程式開發師David Eads,在分享他們團隊例子時說,「過程中沒有對或錯,但總有選擇。」(There are not always right and wrong answers, but there are always choices.)
他很巧妙地以美國童書《Choose Your Own Adventure》為例,指出網路新聞團隊的每一步常常充滿未知、環環相扣。這本書的概念大概是,讀者會因為自己的選擇,得到相異的故事結局,選擇情境A翻到第十頁,情境B去第八頁,故事可能一路開展或嘎然而止。
《Choose Your Own Adventure》 同時也是近年被網路新聞專題拿來運用的概念。英國《BBC》在2015年4月把這個概念放上網路,結合難民議題推出了新聞遊戲專題〈敘利亞旅程:選擇你自己的逃亡路線〉(Syrian Journey: Choose your own escape route)。
這個專題從一幅一家六口站在港口的畫像開始,映入讀者眼前的並非傳統新聞標題,而是「開始你的旅程」(Begin Your Journey )幾個字。使用者所要面對的正是基於許多第一手真實故事、採訪、資料蒐集而來的種種選擇。
這是很有趣的實驗,雖然被英國當地其他報紙批評,兒童的遊戲不該拿來處理嚴肅議題,但事實上不少全球主流媒體、遊戲公司已經在嘗試這種新聞呈現方式。面對新媒體報導形式的變化,《NPR》視覺新聞團隊也開始在新聞製作過程融入許多新概念,9月中,我飛到他們位於華盛頓的總部參訪,一探《NPR》總部的風采。(未完待續 )
★延伸閱讀
Syrian Journey: Choose your own escape route
http://bbc.in/1yzExgg
#報導者