Densité, lisibilité et comparaison des données de Tufte
Je suis intrigué par la densité de données de Tufte. Bien que j'adore sa définition du rapport données/encre qui peut être facilement mesurée, j'ai du mal à mesurer la densité des données . Il définit la densité de données dans un graphique comme un nombre d'entrées dans la matrice de données/zone de graphique de données .
Ce qui me dérange, c'est où se trouve la valeur minimale pour réduire la zone du graphique de données? Par exemple:
1
1
1
Selon sa définition, le dernier "1" est le meilleur car il transmet la même quantité de données que les autres mais utilise la plus petite surface. Bien que cela soit vrai, l'utilisation de cette règle conduirait toujours à des graphismes "presque invisibles".
Alors, comment définissez-vous la valeur minimale?
Un autre problème est ... existe-t-il un moyen réel de comparer différents types de visualisation pour la même valeur dans la matrice de données en utilisant ce phénomène?
Par exemple, une comparaison de l'élément suivant par rapport au simple texte:
télécharger la source bmml - Wireframes créés avec Balsamiq Mockups
- 50%
Avez-vous déjà vu une étude où ils ont utilisé la densité de données pour comparer différents éléments de l'interface utilisateur?
Alors, comment définissez-vous la valeur minimale?
La densité de données de Tuftes repose en réalité sur trois principes: (1) Surtout, affichez les données, (2) Maximisez le rapport encre données et (3) Effacez l'encre non-données. Dans son extrême, cela pourrait être interprété comme étant aussi petit que possible. Nous parlons de tailles de police aussi petites que 3 pixels, mais pratiquement 5 pixels qui sont lisibles - ressemblant à ceci:
Dans un contraste lumineux se trouve l'accessibilité. Peu d'utilisateurs trouveraient confortable et efficace d'accéder aux informations de cette façon. Il est très difficile à lire et le risque de lecture erronée augmente à chaque pixel que vous réduisez la taille de votre police. Ainsi, nous devons tendre vers une communication des données plus efficace que le rapport données-encre.
L'expérience utilisateur est souvent la magie de combiner différents objectifs en une seule solution de conception, atteignant des objectifs aussi différents que l'accessibilité, le marketing, l'achèvement des tâches, les objectifs du site, les revenus, les taux de conversion, la satisfaction des utilisateurs et les directives de conception de l'entreprise.
Avez-vous déjà vu une étude où ils ont utilisé la densité de données pour comparer différents éléments de l'interface utilisateur?
Pour trouver la visualisation d'informations la plus efficace, nous devons mesurer. Mesurer en soi peut être assez difficile… les mêmes informations représentées dans le graphique A sont-elles meilleures ou pires que le graphique B? Heureusement, une étude a été réalisée en 2009: Mesurer l'efficacité des visualisations de graphiques: une perspective de charge cognitive :
La construction de la charge cognitive dans le contexte de la visualisation graphique est proposée et discutée. Un modèle de performance de la tâche de l'utilisateur, d'effort mental et de charge cognitive est proposé par la suite pour révéler davantage les relations d'interaction entre ces trois concepts. Une mesure de la charge cognitive appelée effort mental est introduite et cette mesure est en outre combinée avec des mesures de performance traditionnelles en une seule mesure multidimensionnelle appelée efficacité de visualisation.
L'étude de Luzzardi et Del Sasso Freitas intitulée " n ensemble étendu de critères ergonomiques pour les techniques de visualisation de l'information " de 2004 arrive à une conclusion différente:
L'évaluation des interfaces utilisateur est généralement effectuée pour détecter les problèmes de conception dans la mise en page ainsi que pendant l'interaction. Dans les techniques de visualisation de l'information, les problèmes d'utilisation de l'interface sont étroitement liés à l'expressivité de la représentation visuelle. Ces deux aspects sont également importants et doivent être évalués afin de vérifier dans quelle mesure une technique de visualisation prend en charge les tâches des utilisateurs.
Mais aucune des études ne dit "oui" à votre deuxième question. Il y en a peut-être, mais aucun n'est aussi important et célèbre qu'il pourrait faire les 50 premiers succès de Google Scholar. Je dirais que vous devez soit créer des prototypes vous-même et faire un simple test A/B pour découvrir ce que vos utilisateurs trouvent le mieux ou faire une vraie recherche à l'université - peut-être comme une thèse. Il serait intéressant de lire une telle thèse.