Envisioning Information: Narratives of space and time

Comentários sobre o livro

Capa do livro Envisioning Information

O livro, embora interessante, difere dos anteriores [1, 2 e 3] na objetividade e enfoque prático. Assim, mais do que orientar à produção de gráficos e imagens visualmente comunicativos, o texto apresenta muitas curiosidades e chama a atenção para detalhes que tornam a observação do mundo mais interessante. Seja pela exposição feita por Galileu sobre as luas de Júpiter, seja pelas características dos impressos com horários de trens e aviões ou, ainda, por analisar notações usadas para descrever passos de dança.

De qualquer modo, é uma leitura interessante para profissionais envolvidos na comunicação ou nas artes visuais.

Alguns destaques do texto:

  • Apesar da beleza e da utilidade do melhor trabalho, o design da informação despertou pouca atenção crítica ou estética: não há Museu de Arte Cognitiva.
  • Não importa o que aconteça, a premissa moral operacional do design da informação deve ser que nossos leitores estejam alertas e cuidadosos; eles podem estar ocupados, ansiosos para seguir em frente, mas não são estúpidos.
  • Dados espalhados por páginas e páginas exigem que os visualizadores confiem na memória visual – uma habilidade fraca – para fazer um contraste, uma comparação, uma escolha.
  • A quantidade de detalhes é uma questão completamente separada da dificuldade de leitura. A desordem e a confusão são falhas de design, não atributos de informação.
  • Na leitura, não lemos letras, mas palavras, palavras como um todo, como uma “imagem da palavra”. Estudos de oftalmologia mostram que, quanto mais as letras são diferenciadas umas das outras, mais fácil é a leitura.
  • A simplicidade é uma preferência estética, não uma estratégia de exibição de informações, não um guia para a clareza.
  • Entre os recursos mais poderosos para reduzir o ruído e enriquecer o conteúdo dos displays está a técnica de estratificação e separação, estratificando visualmente vários aspectos dos dados.

Outras citações

Medidas da variabilidade estão no cerne do raciocínio quantitativo.  – R. A. Fisher, fundador da estatística moderna, em 1925.

Não há nada tão misterioso quanto um fato claramente descrito. – Garry Winogrand, fotógrafo

Pintar bem é simplesmente isto: colocar a cor certa no lugar certo. – Paul Klee

Referência

  1. Tufte, Edward R. Data Analysis for Politics and Policy. Yale University. Prentice Hall. Inc., Englewood Cliffs. N.J. 1974. Meus comentários em: https://www.linkedin.com/pulse/data-analysis-politics-policy-d%C3%B3rian-bachmann/
  2. Tufte, Edward R. Data Analysis for Politics and Policy. Yale University. Prentice Hall. Inc., Englewood Cliffs. N.J. 1974. Meus comentários em: https://www.linkedin.com/pulse/data-analysis-politics-policy-d%C3%B3rian-bachmann/
  3. Tufte, Edward R. Data Analysis for Politics and Policy. Yale University. Prentice Hall. Inc., Englewood Cliffs. N.J. 1974. Meus comentários em: https://www.linkedin.com/pulse/data-analysis-politics-policy-d%C3%B3rian-bachmann/

O livro

Tufte, Edward R. Envisioning Information: Narratives of space and time. Graphics Press. Connecticut. Sixth printing, February 1998.

Histograma

Fotografia de um grupo de estudantes organizados por altura, mostrando um histograma bimodal.
Grupo de estudantes organizados por altura.

O Histograma ou Gráfico de Distribuição de Frequências é uma variação do gráfico de barras que mostra a proporção dos dados em uma amostra. Enquanto o gráfico de barras descreve os dados em barras e categorias separadas, o histograma representa os dados da mesma categoria no intervalo analisado, por isso, sem espaço entre as barras.

Os histogramas podem apresentar vários formatos:

Simétrico ou normal        

Ocorre quando o processo é padronizado e os dados são estáveis, permitindo variações pequenas. A maior quantidade de dados fica ao centro do gráfico e suas variações diminuem simetricamente dos dois lados.

Assimétrico

Geralmente acontece quando os dados não podem ultrapassar um limite. O pico se aproxima de um dos lados, e os dados fora de padrão decrescem para o lado oposto.

Bimodal       

O histograma bimodal, ou com dois picos, geralmente ocorre quando são tratadas duas amostras distintas. A análise deve ser feita separadamente, observando ao desenho dos dois gráficos. Edward Tufte [1] apresenta, didaticamente, um histograma com distribuição bimodal de estudantes de faculdade organizados por altura, (veja a foto).

Outros

Em outros casos, as barras têm praticamente o mesmo tamanho ou variam sem critério ou um padrão definido.

Esboço de um histograma.
Imagem por krzysztof-m em Pixabay 

Referência:

1. Tufte, Edward. Mini Tufte. Versão eletrônica. Página 40, reproduzido de Brian L. Joiner. “Living Histograms”. International Statistics Review, 43 (1975). pp. 339-240. Disponível em: https://www.cs.unm.edu/~pgk/IVCDs14/minitufte.pdf Acesso em 5.3.21

Visual Explanations: Images and Quantities, Evidence and Narrative

Comentários sobre o livro

Edward Tufte é um estatístico famoso pelas técnicas para apresentação de dados e informações, tendo muitas publicações sobre o tema. Neste livro ele descreve estratégias para representar movimentos, processos, mecanismos e relações de causa e efeito.

Ele mostra a evolução das representações gráficas ao longo da história e, inclusive, o provável primeiro gráfico com representação estatística de distâncias, além de diversas outras curiosidades.

Tufte enfatiza que más apresentações gráficas são um problema ético. Isso não significa que ele exija realidade nas imagens, mas que qualquer distorção deve ser informada com o devido destaque. Aliás, ele até apresenta a distorção de escalas como um mecanismo válido para a análise de dados.

Para exemplificar, ele apresenta em detalhes as análises que levaram a identificar a fonte da cólera em Londres em 1854 e o acidente com o ônibus espacial Challenger, que já havia explorado no livro Beautiful Evidence. Naquela publicação, ele fez uma análise das causas básicas do acidente que provocou a explosão do ônibus espacial, matando 11 pessoas e trazendo um prejuízo enorme à reputação da NASA. Ainda comenta as diferentes visões e explicações dos administradores, psicólogos e engenheiros que tentaram explicar os fatos que levaram à catástrofe.

Destaca, ainda, que embora a sequência temporal seja a mais adequada para analisar as tendências, não é uma boa prática para a análise de relações entre variáveis. Tufte exemplifica brilhantemente essa questão com a discussão sobre um gráfico usado para investigar o acidente com a Challenger, em que os dados, plotados na sequência histórica, dificulta perceber a relação entre temperatura e falhas dos anéis de borracha (o-rings) para vedação. São exemplos interessantes que contribuem para aumentar o espírito crítico do leitor.

Alguns destaques do texto:

  • Ausência de evidência não é evidência de ausência.
  • Criar ilusões ou mágicas é engajar-se no design da desinformação, corromper a conexão óptica, enganar o público.  Assim, as estratégias da magia determinam o que não fazer se seu objetivo é revelar a verdade, e não criar ilusões.
  • Como mágicos, quem faz os gráficos revela o que deseja revelar.
  • A lógica dos gráficos deve seguir a lógica da análise.
  • Gráficos ruins indicam estupidez estatística, assim como uma escrita pobre geralmente reflete pensamentos pobres.
  • Raciocinando sobre causalidade, variações na causa devem ser explicita e mensuravelmente ligadas às variações no efeito.
  • Faça todas as distinções visuais tão discretas quanto possível, mas claras e efetivas. Quando tudo é enfatizado, nada é enfatizado.
  • Nos gráficos, um arco-íris de cores confunde o que acontece com as cores com o que acontece com os dados.

Se uma imagem não vale mais que mil palavras, então não vale nada. – Ad Reinhardt

O livro

Tufte, Edward Rolf. Visual Explanations: Images and Quantities, Evidence and Narrative. Graphics Press, Connecticut, June, 2005.

Serviço: Este livro é uma leitura útil para quem tem a responsabilidade de gerar gráficos e interpretar informações,

Beautiful Evidence – Comentários sobre o livro

Capa do livro Beautiful Evidence

Edward Tufte é um estatístico famoso pelos trabalhos relacionados à visualização dos dados. Neste livro, de 2006, ele analisa alguns documentos, mapas, fotos, obras de arte, livros antigos – um de Galileu e outro de Newton – e até manuais policiais e relatórios de investigação de acidentes da NASA, em relação à capacidade de comunicar informações, tomando por base os Princípios do Design Analítico.

Os Princípios do Design Analítico são:

  1. Mostre comparações, contrastes e diferenças.
  2. Causas, mecanismos, estruturas e explicações.
  3. Análise multivariada.
  4. Completa integração de palavras, números, imagens e diagramas. As tabelas com números devem estar integradas ao corpo do relatório e não colocadas com anexos. Tabelas, gráficos e imagens devem estar acompanhados de textos explicativos.
  5. Documentação. Inclui as informações de autor, fontes dos dados, escalas, etc. que dão credibilidade às informações apresentadas. Ele recomenda que os trabalhos, ou as partes deles, tenham os autores identificados; não são empresas ou departamentos que produzem as coisas. Os créditos dão responsabilidade e facilitam os esclarecimentos.
  6. O mais importante é a qualidade, relevância e integridade do conteúdo. Para atender esse requisito devemos responder quais são as tarefas de raciocínio que o conteúdo se propõe a ajudar

Ele mostra exemplos de situações em que uma mesma imagem é repetida em diversas páginas de um livro, para que o leitor tenha acesso ao texto e a imagem ao mesmo tempo, facilitando o entendimento. Uma prática que ele recomenda.

Ele enfatiza que “rótulos” são dados e, portanto, podem ser úteis na área de dados de um gráfico ou figura. Mas, para evitar que a poluição atrapalhe a observação dos pontos ou das curvas de dados, pode-se destacar os pontos ou a curva com uma cor mais chamativa. Uma técnica bem sucedida nos mapas cartográficos.

Ele brinca que, ao consumirmos informações, devemos manter a mente aberta, mas não uma cabeça vazia. Também dedica um capítulo inteiro às apresentações, mostrando as inconveniências dos slides e oferecendo orientações. Ele enfatiza que apresentações Power Point não devem substituir relatórios técnicos convencionais, onde as relações de causa e efeito e as explicações são mais claras.

Os estudos controlados são prospectivos: uma possível rejeição causa-efeito é identificada, uma intervenção feita, resultados futuros observados. Em contraste, as evidências de muitos fenômenos – clima, política, geologia, economia, história da arte, negócios – vêm em grande parte de observações retrospectivas e não experimentais. Em tais estudos posteriores, pesquisadores e apresentadores têm muitas oportunidades de decidir o que conta como evidência relevante, que também são oportunidades excelentes para escolher a dedo o que é conveniente.

Listas apresentam apenas três relações lógicas:

  • Temporal (primeira, segunda, etc.)
  • Importância (mais importante, segunda mais importante, etc.)
  • Itens relacionados de algum modo; mas não especifica como.

As análises de indicadores estão, de algum modo, associadas às relações de causa e efeito.

Os princípios do design analítico derivam dos princípios do pensamento analítico. – Edward Tufte

O livro

Tufte, Edward R. Beautiful Evidence. Graphic Press LLC. USA. 2006.