Warum Regenbogenfarben nicht die beste Option für Datenvisualisierungen sind

Datenvisualisierungen sind schöne, aufregende Möglichkeiten, Geschichten zu erzählen. Aber Sie müssen beim Entwerfen einer Karte oder eines Diagramms sorgfältig auswählen, und einer der größten Fehler ist der Missbrauch von Regenbogenfarben.

Regenbogen-Farbschemata – auch Spektralfarbschemata genannt – werden häufig für die Visualisierung von Daten gewählt, sowohl weil sie mutig und aufregend aussehen, als auch weil sie die Standardeinstellung für viele Visualisierungssoftware-Tools sind. Aber sie schaden meist mehr als sie nützen. Die Farben überhaupt zu erkennen, ist für mehr Leser ein Problem, als Sie vielleicht vermuten, und der Rest des Publikums wird es einfacher finden, die Visualisierung zu verstehen, wenn sie mit einer anderen Palette präsentiert wird.

Regenbogen-Farbschemata sind „fast immer die falsche Entscheidung “, schrieb Anthony C. Robinson, Geografieprofessor an der Pennsylvania State University, in einem Online-Kurs auf Coursera, in dem Studenten die Verwendung von Geodatentechnologien zur Kartierung von Daten lernten.

Hier sind einige Gründe, warum Regenbogenfarben die „falsche Wahl“ sind:

Farbenblindheit und Farbsortierung

Menschen, die farbenblind sind, haben Schwierigkeiten, Farben zu erkennen, insbesondere Rot und Grün. (Versuchen dieser Farbsehtest um zu sehen, ob Sie einer von ihnen sind.) Farbenblindheit wirkt sich aus bis zu 10 Prozent der Männer . Das bedeutet, wenn Sie Visuals einem Publikum von Hunderttausenden anbieten, verpassen Sie einen großen Teil Ihres Publikums.

Auch wenn die meisten Menschen nicht farbenblind sind, können Regenbogenfarbschemata verwirrend sein, weil es nicht klar ist „größer als“ oder „kleiner als“. „Logische Reihenfolge der Farben“, warnen die Informatikforscher David Borland und Russell M. Taylor II. Die Menschen sind sich im Allgemeinen über den Übergang von hell nach dunkel einig, sortieren die Farben jedoch unterschiedlich, wie hier gezeigt:

„Wenn die Leute eine Reihe grauer Farbchips erhalten und gebeten werden, sie zu ordnen, werden sie sie konsequent entweder von dunkel nach hell oder von hell nach dunkel ordnen. Wenn Menschen jedoch Farbchips in den Farben Rot, Grün, Gelb und Blau gegeben und gebeten werden, sie in Ordnung zu bringen, die Ergebnisse variieren“, laut Forschern David Borland und Russell M. Taylor II , Professor für Informatik an der University of North Carolina in Chapel Hill.

Änderungen können schwer zu erkennen sein

Visualisierungen erzählen die Geschichte hinter Datenänderungen; Ihre Aufgabe ist es, komplexe Muster zu einer Illustration zu vereinfachen, die Sie – idealerweise auf einen Blick – verstehen lässt, was vor sich geht. Aber das menschliche Auge ist nicht gut darin, die Kanten verschiedener Farben zu erkennen, die nebeneinander liegen. Wir können kleine Änderungen innerhalb einzelner Farbbereiche besser erkennen, da sich die Luminanz- und Sättigungswerte reibungslos ändern, wo dies bei Farben nicht der Fall ist. schrieb Robert Kosara , Forscher für visuelle Analyse bei Bild und ein Experte dafür, wie wir Farben sehen, auf seiner persönlichen Website EagerEyes.

Die Details werden sehr schnell technisch, aber die wichtigste Lektion ist, dass Regenbogenfarben nur dann Unterschiede zeigen, wenn sich die tatsächliche Farbe ändert Farbverläufe Ermöglichen Sie den Menschen, allmähliche Veränderungen zu sehen.

Ihr Publikum wird Schwierigkeiten haben, die Nuancen voneinander zu unterscheiden, wenn Sie Regenbogenfarben verwenden, anstatt sich an eine abgestufte Skala einer Farbe zu halten.

Irreführende Schlussfolgerungen

Abhängig von Ihrem Publikum kann die falsche Wahl schwerwiegende Folgen haben. Im eine Harvard-Studie stellten Forscher fest, dass 2-D-Diagramme von Herzarterien, die einen Farbverlauf von Schwarz nach Rot verwendeten, effektivere Werkzeuge für Ärzte waren, die Diagnosen stellten, als 3-D-Modelle mit Regenbogenfarben. Klinische Studien zeigten, dass die Diagramme, die einen Gradienten verwendeten, die Genauigkeit der ärztlichen Diagnosen von Atherosklerose und Herzerkrankungen von 39 Prozent auf 91 Prozent erhöhten.

Ein Vergleich der Wirksamkeit von 2-D-Arteriendiagrammen mit Farbverläufen von Schwarz nach Rot und 3-D-Modellen in Regenbogenfarben. (Bilder: Michelle Borkin / Harvard School of Engineering and Applied Sciences)

Nicht jede Datenvisualisierung wird für wichtige medizinische Anrufe verwendet, aber Regenbogenfarben können irreführend sein, wenn Journalisten sie verwenden, um quantitative Daten falsch darzustellen.

„Regenbogenfarben sind nicht schlecht, wenn man sie für kategoriale Daten verwendet“, Drew Skau, Visualisierungsarchitekt bei Visuell , sagte Poynter in einem Videointerview. „Sie sind schlecht, wenn man sie zur Darstellung kontinuierlicher Daten verwendet.“

Was ist der Unterschied? Kontinuierliche Daten sind quantitativ und werden durch Zahlen beschrieben; kategoriale Daten sind qualitativ und werden durch Worte beschrieben. Vergleichen Sie beispielsweise diese Gruppierungen:

• Exotische Haustiere: Chinchilla, Ozelot, Skorpione, fauchende Kakerlaken, Pythons
• Temperatur in Fahrenheit: -459,67 °F, 32 °F, 212 °F
• Wahlstimmen bei Wahlen: 206, 270, 332

Die exotischen Haustiere sind miteinander verwandt, aber nicht zusammenhängend – Sie können den Unterschied zwischen einem Chinchilla und einem Ozelot nicht messen. Die Temperaturmesswerte hingegen sind kontinuierlich – sie sind Zahlen auf einer Skala mit messbaren Entfernungen.

Wahlstimmen sind kontinuierliche Daten, aber sie sind auch divergierend. Wir wollen wissen, was der Mittelpunkt ist (270 Wahlmännerstimmen), denn wer mehr als 50 Prozent der Stimmen erhält, gewinnt. Daher zeigt die Datenvisualisierung normalerweise Blau, um Demokraten an einem Ende darzustellen, und Rot für Republikaner am anderen Ende, was die ideale Art ist, divergierende Daten darzustellen.

Diese Übung von Robinson zeigt, wie Spektralfarben es viel schwieriger machen, den Unterschied in der Lautstärke von Tweets (das sind quantitative Daten) während der Präsidentschaftswahlen 2012 zu erkennen:

Diese Karte zeigt die Menge der Tweets von Obama und Romney aus den Präsidentschaftswahlen 2012 unter Verwendung von Spektralfarben.
(Bild: Dr. Anthony C. Robinson / Penn State)

Hier ist dieselbe Karte, aber Robinson hat die Regenbogenfarben in einen einzigen Farbton (lila) mit unterschiedlicher Sättigung geändert.

(Bild: Dr. Anthony C. Robinson / Penn State)

Aber Regenbogenfarben werden oft verwendet, um quantitative Daten zu veranschaulichen, sogar von NASA-Wissenschaftler. Akademiker haben die wissenschaftliche Gemeinschaft aufgefordert, die Verwendung von Spektralfarben einzustellen, und Wissenschaftler und Ingenieure tun dies besorgt über die Genauigkeit des Farbeinsatzes. Als Journalisten können wir sowohl aus der Recherche als auch aus den Argumenten lernen.

Hilfe vom Experten

Viele Datenexperten haben nützliche Tools entwickelt, die Ihnen bei der Farbauswahl helfen:

• ColorBrewer von Cynthia Brewer, Mark Harrower und Penn State hilft Ihnen beim Entwerfen von Farbpaletten für Karten; Sie können die Anzahl der Datenelemente, den Datentyp und sogar farbenblind sichere Farben auswählen.
• Farbwerkzeug , erstellt von ehemaligen NASA-Forschern, bietet eine professionelle App für komplexe Infografiken und Luftfahrtdisplays.
• Kuler von Adobe ist ein schickes Farbrad, das Farbschemata bietet.
• Poynters Der digitale Tools-Katalog von NewsU verfügt über eine Reihe von Tools, mit denen Sie mit der Visualisierung von Daten beginnen können.

Farben sind wunderbar – bei der Recherche zu diesem Artikel habe ich Dinge über sie entdeckt, die ich nie wusste, wie zum Beispiel die Tatsache, dass Gelb ist die hellste Farbe des Regenbogens und Menschen, die andere Sprachen sprechen kann Farben sehen Englischsprachige können das nicht. Farben helfen dabei, Visualisierungen spannend zu machen, aber ein paar kluge Farbwahlen können sicherstellen, dass diese Visualisierungen vor allem informativ sind.