🧕🏾 🔎 🚘 科学的可视化：插图和图表 🖼️ 👊🏾 👨🏿‍🎨

插图画家和信息图表专家之间的界线在哪里？如何可视化数据？科学对各种设计解决方案怎么说？

在深入讨论之前，我想谈一谈背景。下面描述的想法构成了我自己经验的基础。这些部分是我作为艺术总监20年的观察。这不是对文学资料的详尽综述，也不是对科学可视化范围的严格审视。这些是与我在出版行业中的工作相关的思考，以及对一些有用或挑衅性的消息来源和社区的引用。在某些方面，我可能会误会，因为我不是我将要谈论的所有子学科的专家。但是我在这些子学科的交汇处工作，随着时间的推移，我开发了许多您可能会感兴趣的资源。

语境

是什么影响了我的观点？我认为自己是图形材料的编辑，信息图表以及与科学界的关系方面的专家。我大部分时间都在传统（物理）出版物中获得了经验。这是我的第一批科学插图之一：热液虾口腔器皿部分的墨水绘制图像。在几个夏季里，我在洛杉矶自然历史博物馆的甲壳动物实验室工作。

在1980年代后期，由于我的学校老师的帮助，我得以在Commodore Amiga进行实验。后来，在史密斯学院，我转而使用平板电脑和数字绘图，我的老师Gary Niswanger在这里教授盲目轮廓绘图等课程。在房间中央是一个模型，我们背对着显示器坐着，并画在膝盖上的Wacom数位板上。

我热爱科学课，不亚于美术和设计课。我不想为了一门学科而牺牲一门学科，而同时又专注于地质学和工作室艺术。然后，我的注意力转向了加利福尼亚大学圣克鲁斯分校的科学插图训练计划（现在是加利福尼亚大学蒙特雷湾分校的一部分），我得以在安妮·考德（Anne Cowdle），珍妮·凯勒（Jenny Keller）和拉里·拉维达尔（Larry Lavelndal）的指导下将这两个学科正式合并。我没有专注于某个研究领域，而是使用视觉语言来帮助其他人的研究覆盖更广泛的受众。

毕业后，我成为《科学美国人》杂志艺术系的实习生。这是我本版的第一个插图，水彩蟑螂。

我的实习经历变成了一个成熟的职位，当我从一名艺术家转到一位艺术总监时，我发现我的主要工具代替了水彩画和快速绘图仪是一台计算机。 1998年，我离开《科学美国人》，担任助理艺术总监，后来成为《国家地理》杂志的设计师。一直以来，我都获得了艺术总监的经验，并与最优秀的专家一起学习印刷。五年后，我搬家并开始从事自由研究社区业务，专注于杂志和书籍项目。

2007年，我回到《科学美国人》杂志，现在我在这里担任图形材料的高级编辑。今天，我们的团队包括两个人，AmandaMontañez和我。我们管理整个杂志的信息图表，从数据可视化到插图说明。有时我们自己创建最终的图像，但是大多数时候我们雇用自由艺术家并管理该项目。

我们还管理网络上所有图像的数字版本，并在智能手机上显示。 Amanda正在专门为网络创建图像。

但是我仍然坚持印刷版本。

编辑插图，例如玛丽亚·科尔特·迈达根（Maria Corte Maidagan）和杰伊·本特（Jay Bendt）的作品，由艺术部门的其他成员（设计总监Michael Dark和艺术总监Jason Mishka）策划。

这些材料有什么区别？我认为信息图形是在研究的基础上创建的插图，主要用于信息的传递。编辑插图是受文字启发而产生的主题图像，促使读者对杂志的内容更加熟悉。

例如，对于一篇有关微生物组的文章，插画家布莱恩·克里斯蒂（Brian Christie）创作了掉头的图像，这并不是对该文章的想法的字面反映，而只是暗示一个人是由生活在他和他体内的微生物决定的。布朗用视觉符号和构图讲故事。这不是图表，而是与文章主题相呼应的隐喻插图。

在文章的进一步内容中，Brian和他的合著者Joe Lertola转向了图表，并借助视觉符号和构图来反映文章中反映的特定信息。这不是社论插图。这是信息图或说明图。

一些艺术家，例如布赖恩·克里斯蒂（Brian Christie），在这两个领域都能胜任。

但是作为插画家和编辑，我倾向于信息图表。尽管我可以学习并且经常与创作两种类型插图的艺术家合作。例如，对于一篇有关疟疾疫苗的文章，我整理了一个内容计划并开发了一个信息图结构：

但是我了解到，要为这个概念注入生命，就需要一位经验丰富的艺术家。因此，我聘请了插画家Peter和Maria Hoy来创作最终版本。他们很好地处理了图像，形成了可变的纹理并加深了编辑思想。

我还非常依赖社论插画家Leandro Castelao为这种干涉仪电路选择这样的样式和颜色，就好像它是印在普通的流行杂志上，而不是科学期刊上一样。

加文·波坦扎（Gavin Potenza）重新审视了已经写了很多文章的主题，并从风格上强调了探索火星的不同阶段。

在处理插图时，我发现有时我过多地关注细节和准确性，而很少关注样式。图像可以很快变得学术上准确无误。编辑插图画家吉莉安·迪特纳（Gillian Ditner）和乍得·哈根（Chad Hagen）提醒我，将艺术家的视野和风格感融入图像是很正常的，尤其是在杂志上。

我倾向于将信息图表看作是一个连续体，在刻度的一个边缘上具有可视化的信息表示，在另一边缘上具有抽象性的表示。

从科学可视化的角度来看，可以认为整个连续体都可以视为数据可视化。

实际上，我们的所有工作都基于某个阶段的数据收集：从测量恐龙重建中的骨长到精心记录的实验室实验（形成光合作用等过程的更完整图片）到呈现费恩曼图等数学表达式，再到绘制图数据本身。

但是，在科学可视化领域之外，以这种方式进行操作是很有用的：

当我浏览旧的《科学美国人》杂志时，我看到许多艺术家都在跨领域工作。田川文治的作品令我赞叹不已。以下是一些示例，可以帮助您了解他的技能水平。对象的可视表示：

解剖部分：

技术图：

和数据可视化：

有关他的作品的更多信息，请参见以下网址：https : //blogs.scientificamerican.com/sa-visual/remembering-bunji-tagawa/

但是，作为当今图形材料的编辑，我聘请了来自不同自由职业者群体的艺术家来从事连续工作。

也许这是我的偏见的结果，但是当翻阅《科学美国人》的旧版本时，我感到艺术家的专业化程度提高可能是由于每个领域的工具变化所致。当笔和墨水是用于创建用于解释印刷杂志的图表和可视化效果的视觉插图的主要工具时，画家可以成为笔和墨水的大师，然后探索解决每个领域问题的其他方法。这里有田川作品的更多例子。有机物：

技术部分：过程的

抽象表示：

和数字图形：

一切都用笔和墨水绘制。

随着桌面出版系统的普及，数字工具的多样性和可用性的增加，选择主要工具这样简单的任务就成为了艺术家兴趣的界限。作为艺术总监，我正在寻找3D艺术家来说明诸如Don Fowley之类的物理对象。

而且我正在寻找像Tami Crowd这样的艺术家，他使用Adobe Illustrator之类的工具来提高他们对说明图的组成和信息流的掌握。

为了使用编程可视化大型数据集，我正在寻找像Jan Willem Tulp这样的数据设计师。

掌握这些工具，工具，样式和风格中的任何一个都需要花费大量时间。它们都被吸引到连续体的不同区域。

我与之交谈的许多会议和社区都倾向于这种分离。寻找在多个领域工作的艺术家变得越来越困难。

也许我有点戏剧性。实际上，它可能越来越接近这样的方案：

或者这可能是完全正常的情况，尤其是考虑到这些子学科的基本工具会随着时间的流逝而扩展。也许没有必要尝试连接断开连接的群集。

我最近最喜欢的《科学美国人》插图。是不同艺术家合作的结果。我们从不同的小组中选择专家，并共同努力，而不是寻找所有行业的杰作。例如，我喜欢一个可以用手写笔或钢笔创建点插图的艺术家，然后将其与知道如何编程数据可视化的艺术家配对，例如Moritz Stefaner和Gillian Walters。

相同的方法适用于这种类型的插图，其中不同类型的可视化效果更适合于不同的历史元素，因此也适用于不同的艺术家。

换句话说，我相信，即使您不想在整个连续过程中工作-或不想花时间在整个连续过程中成为经验丰富的艺术家-在每个领域中，您也会发现一些需要学习的东西。我喜欢交换意见。我认为，如果现实是这样的话，一切都会对我们有利：

更好：

我并不是说每个艺术家都应该能够编程。或者说每个人都应该能够雕刻粘土模型并从生活中汲取灵感。我申明，作为科学的可视化者，我们可以并且应该学会在整个范围内思考和解决问题。

我想分享一些来自不同艺术家群体的代表的想法。

首先，请注意此表：http : //bit.ly/jenGNSI。它提供了许多有用资源的链接和简短描述。我将以杂志中的示例为例来说明想法，但是许多想法都是从书籍，博客文章，演示文稿，播客和研讨会中收集的。

而在这里，你会发现的链接，我已编制并回答谁想要了解更多关于科学可视化的学生，科学家和艺术家的具体要求广义列表。另外，还有一些链接与我作为图形材料编辑的工作有关。

让我们回到视觉插图。这是我在科学插画家社区中学到的五个关键课程。

的教训。图形插图

第一课：您需要注意每个细节。每个财产都需要进行监控和考虑。

在关于蚊子对公共健康的影响的文章中，艺术家Immy Smith展示了许多不同类型的蚊子的图像在视觉上都可以引起人们的注意和启发：

并且艺术家强调不同类型的蚊子与不同的人类疾病有关。我的一些同事对该计划持怀疑态度，他们认为所有蚊子看起来都一样。但是，艺术家的专心和周到使得能够清楚地显示出两者之间的差异。

显然，这里的每个笔画都是有意和有思想的。我认为，对每个细节进行周到细致的反映对读者来说是一个挑战，而读者又将仔细，周到地检查每种昆虫。

第2课：展示物体

对于有关臭虫的文章，艺术家凯利·墨菲（Kelly Murphy）需要从不同角度展示昆虫。网上的图片非常适合顶视图。但是为了展示口腔器械并更准确地描绘出各种姿势的甲虫，艺术家来到了加州科学院，并从各个角度拍摄了样本。

第3课：如果您无法显示对象，请尝试猜测它的外观

詹姆斯·古尼（James Gurney）创作的场景令人难以置信。部分要归功于他为增强构图和光照而创建的尺寸模型。

第4课：照片和超逼真的图像有其优势

Ed Bell在2010年写道：

, . , . , ? — , NASA Cassini, , MESSENGER, , — .

第5课：非真实感图像也有优势，

在这里，艺术家Carol Donner删除了不相关的细节，并使用透明度创建了具有美学吸引力的清晰心脏图像。与罗恩·米勒（Ron Miller）在插图中与土星（Saturn）解决的任务不同，不需要帮助读者在新的环境中感受。在这里，您需要反映对象的行为。

伊恩·萨克（Ian Sack）和他的合著者在《生物通讯杂志》上写道：

医学插图固有地需要对对象进行某种简化和理想化。插图画家的作用是，尽管有复杂的生物医学程序，结构或过程，但还是从视觉上美学地和有效地教育了读者。

的教训。解释图

第1课：了解何时以及如何扭曲对象的物理形状以最佳地传达信息非常重要，

此插图由田川丰二创建。它是心血管系统经典示意图的一种变体。代替显示人像的细节，信息被简化以强调系统中血液循环的封闭过程。

第2课：与构图有关的一切：艺术家必须仔细考虑如何通过插图来引导读者的目光，

此处约翰·格里姆瓦德（John Grimvade）故意使用重复的线条，选定的颜色和强制信息流的流程图来指导读者的目光。

第3课：文字与图片同等重要

在这个例子中，艾米丽·库珀（Emily Cooper）展示了一套由四个大西洋碎片组成的优雅组合。标签可以帮助读者进行导航，您可以将故事的所有部分放在一起：我们可以看到托架中的电流与温度之间的关系。但是尚不清楚这些是哪种远程签名。

文本来了。标题和简短说明立即提供了必要的上下文。

四种不同的科学模型的图像解释了欧洲为何冬季变暖。读者现在可以比较这些模型。

第4课：图片形式或与插图相关的有趣时刻可以吸引读者

奈杰尔·霍姆斯（Nigel Holmes）巧妙地将幽默和人性化添加到插图中。在这里，他为有关群论和对称性数学基础的插图注入了生命。但是添加的图片不仅仅是装饰。他们加强了绕不同轴旋转立方体的想法。

第5课：上下文非常重要。插图的内容和样式必须根据观众的特征和信息图表的任务来选择

对于一篇有关人工光合作用的文章，一位科学家为我们提供了原始资料（左）。这是其中进行光合作用的装置的示意图。对于科学任务和科学文章的上下文，此图片非常合适。但是在面向普通读者的出版物中，不仅有必要让非专业人士参与，而且还需要帮助他们立即了解人造光合作用与自然光合作用之间的相似之处。我们的插图显示在右侧。请注意，作为基本背景，我们添加了关于光合作用的解释。大众媒体的背景使我们可以自由选择艺术风格，使其与艺术家植物学家萨里·辛嫩（Sary Sinnen）的风格极为相似。

的教训。数据可视化

第1课：分析整个数据集。然后再分析。

为了说明蜜蜂数量随时间的变化，艺术家莫里茨Stefaner开始分析原始数据，以各种形式，从柱状图表，但由热图到网络图。他试图从不同角度看待数据。左侧的图像只是一个小片段。仅在对各种展示形式进行了认真的分析之后，艺术家才开始创作出最适合此数据和我们的读者的插图。

第二课：复杂性是正常的

当您向人们介绍一个复杂，多层次和广泛的主题时，请始终为读者提供解释插图所必需的工具。对于有关神话故事演变的文章，Accurat Design Studio在一个插图中收集了多个级别的信息。这是一个复杂且数据丰富的可视化，建立在科学家提供的复杂而丰富的数据集的基础上。有人可能会说插图需要读者付出过多的努力。无法快速读取。

但是，我们添加了提示“如何阅读此图”，在整个插图中，我们使用了一种非正式的语言，您可以在其中与朋友交流。其想法是，在读者做出一些努力并学会阅读该图之后，他将能够浏览一眼，找到要点并独立地更详细地研究该图。这种方法还使我们能够显示整个数据集，而不是简化为过于简化的数据集。

第三课：新形式可以吸引读者...

对于一篇有关孩子出生时间的文章，数据分析专家Zan Armstrong和可视化专家Nadier Bremer共同为该杂志创建了该解决方案。信息可以经典直方图的形式呈现，但我怀疑它是否也会引起关注。圆圈不仅吸引眼球，而且还像时钟一样强调数据的周期性。但是，就像一个复杂的示例一样，读者应在阅读图表时获得清晰的指导。

第4课：...，但是有时规则线图或直方图最合适。

对于此图，它反映了冠心病的研究结果，因此不必突破界限或尝试变得更聪明。足够简单明了的时间表。

第5课：您的数据源既不客观也不完整

我的链接列表上有很多资料，但是我认为应该在此处提供一些引号。

研究人员，艺术家和软件开发商Katrina D'Ignazio在她的文章中写道：“女权主义数据可视化是什么样的？”：

问题是什么？从女权主义理论的角度来看，问题是所有知识在社会上都是有意义的，被压迫群体（包括妇女，少数民族和其他人）的观点被系统地排除在“一般”知识之外

…………直到我们了解并认识到此类介绍和例外的影响，在为他们开发合适的视觉语言之前，我们必须认识到数据可视化是另一种强大而又不完善的压迫工具。

艺术家和研究员Mimi Onuoha撰写了有关排除数据的文章：

— , . , , …

… , , , , - .

这样的想法使我对某些项目感到非常恐惧和关注。在有关传染病的文章中，我们希望向读者传达全球事件的感觉。传染病如何在不同国家和不同时间影响全球健康？

艺术研究员曼达·霍布斯（Manda Hobbs）提供了巨大的帮助。她对文学来源进行了大量研究，并发现了一些陷阱。结果，对于大多数材料，我们使用了相当标准和权威的资源：疾病控制与预防中心和世界卫生组织。

但是，即使是这样的权威资源也无法控制数据收集的变化。数据收集方法是由个人创建的，并受到作者的偏见。因此，我仔细阅读了文档，避免了陷阱，并指出了确切的方法更改时间。这有助于我们选择时间间隔，并在图表上进行说明。此外，我们还咨询了该领域的几位专家。

我仍然认为它应该可以帮助读者更多地了解所提供的数据并不完美。将来，我将尝试保留更多说明性签名。但是至少我们留下了相当清晰的面包屑痕迹，引用了源，以便人们可以自己检查源数据。

的教训。整个连续体

第一课：质疑设计的“规则”

也许很多人都可以引用爱德华·塔夫特（Edward Tufte）制定的“规则”：

视觉上的完美-这是使观看者在最短的时间内以最少的墨水和最小的面积传达最多创意的方法。

但是我们怎么知道这是真的呢？如果在一种情况下确实如此，那么在另一种情况下呢？人类知觉的研究人员已经稳步终结了其中一些规则。

我建议与其中一些研究人员一起收听Datastories播客。在Eagereyes博客上，Robert Kosara谈论了其他要寻找的东西。另请阅读肯尼迪·埃利奥特（Kennedy Elliot）的文章“ 30分钟内的39个人类感知研究”。

第二课：分享知识

在共享可视化，想法，方法，工具和资源领域的最佳实践时，我经常为数据新闻工作者社区的贵族感到震惊。如果您想扩展自己的知识，建议从调查报告者和编辑者的计算机辅助报告程序开始。

我还推荐Jennifer LaFleur的文章：

...和ProPublica上的The Nerd Blog。

第3课：创建讨论区

科学与艺术的交集超出了我的能力范围，但我想研究艺术家和表演者如何在不同的场所吸引广泛的观众。我想了解如何在我的期刊工作中运用这些参与技巧。

我建议您观看SciArt Center，这是一个提供跨学科合作，举办展览和组织各种活动的在线平台。

Jamie McCray在2017年SciVizNYC会议上的演讲中谈到表演艺术和科学，您还可以在SuperHero Clubhouse社区中找到信息。

同时，作为SciVizNYC的组织者之一，我试图积极创建一个平台，以便科学可视化专家社区的成员之间进行对话。

与医学插图画家吉尔·格雷戈里（Jill Gregory）进行对话后，产生了此事件的想法。我们喜欢参加彼此的工作，并观看我们如何利用我们的知识和经验来创建科学插图。我想知道移动会议的格式是否可行，在这种情况下，一群参与者白天从办公室搬到工作室，然后又搬到新闻部，同时研究不同的员工在日常工作中如何使用科学可视化。随着这一想法的发展，联合组织者克里斯托弗·史密斯，阿曼达·蒙塔涅斯和妮卡·福特也加入了我们。我们采用了一种更为传统和后勤简单的格式：在同一地点的白天会议，有14位发言人。 2016年的第一次会议是免费的。在第二次会议上，我们为每个席位花费35美元，以防止出现故障。但是对我们而言，重要的是将成本保持在尽可能低的水平，同时向演讲者支付他们所花费时间的少量费用。在西奈山的Ikan医学院的帮助下，我们取得了成功。今天，我们的会议聚集了科学可视化界的各种代表，他们从纽约及周边地区受益。

这导致我进入第4课：我们在一起变得更强大

我想向启发我们这个想法并提供正确工具的平台和社区致敬。通过观看社区如何解决Twitter上的实时问题，我获得了很多经验；在Eyeo观看关于技术和互动的伦理讨论的小组讨论在OpenVisConf上听有关开放网络的演讲；在Malofiej世界峰会上研究视觉新闻工作者解决新兴问题的经验...清单可能很长。这是我最喜欢的来源。

已经有社区同龄人学习成果。例如，在信息图表中使用注释的想法来自数据可视化领域。 Suzy Lu证明了这一点，他在2017年开发了适当的工具包，借助带有内置说明的图形编程进行了构建。

您可能不同意真实感插图和非真实感插图之间的动态关系，这反映了复杂数据可视化和简单数据可视化之间的动态。

我们彼此之间仍有很多东西需要学习，尤其是在可视化科学不确定性方面。这个问题与科学的所有领域有关，因此与科学可视化的所有领域有关。

我们在杂志上经常与学术界和研究科学家的代表合作。这些社区经常就误差幅度达成协议。而且我经常不得不重现这些错误（灰色竖线），认为添加一些签名可能足以传达含义。

信任边界也是如此。也许我做得还不够，无法帮助读者理解他们在看什么。

几年前，我在戈登科学与教育可视化研究会议上与制图师进行了交谈。戴安娜·辛顿（Diane Sinton）（来自康奈尔大学（Cornell University））使我在显示科学不确定性方面更加批评。我们开始与NASA的一小笔赠款一起工作，并创建了此海报指南，希望就不确定性的可视化展开更广泛的讨论。

当时，关于不确定性的讨论主要是关于气候预测。后来，预测选举结果的任务变得很重要。

首先，我们研究了文学来源。这使我认为，在数据可视化中，我们过多地依赖跨度图，误差容限和高音谱号。我们是否不去讨论这些方法中哪种更好？

但是，如果我们不是从定量的例子中而是从定性的例子中借鉴想法，该怎么办？在《科学美国人》中，我们使用解释图来反映不同学科中不同类型的不确定性。是否可以从那里获取一些想法并将其应用于数据可视化？

如果数据可视化者从科学插画家那里汲取灵感，反之亦然呢？也许我们可以共同努力，开发出更直观的表示统计不确定性的方法。

一个好的起点可以是量子力学和海森堡的不确定性原理。特别是“无法确定地观察到原子级事件”的想法。必须强调的是，不确定性原理在实际水平上描述了量子行为和不确定性，而不是宏观或经典物理水平上不确定性的良好比喻。