Технические науки УДК 003.63

Об актуальности задачи оценки качества изображений статистической графики и подходе к разработке соответствующей методики

Артюхин Валерий Викторович
канд. экон. наук, доцент,
ведущий научный сотрудник.
Федеральное государственное бюджетное учреждение «Всероссийский научно-исследовательский институт по проблемам гражданской обороны и чрезвычайных ситуаций МЧС России»
(федеральный центр науки и высоких технологий) (ФГБУ ВНИИ ГОЧС (ФЦ)). 121352, г. Москва, ул. Давыдковская, д.7,
[email protected].

Аннотация: Графика может быть одновременно и инструментом, и результатом научного исследования, а потому качество всего научного исследования определяется, в том числе, и качеством графики. Очевидно, что статистическая графика должна быть подвергнута некой оценке, хотя разработка методики такой оценки – задача весьма непростая. В работе производится обзор системных ошибок, которые совершаются разработчиками представлений числовой информации, приводятся примеры научной и инфографики, предлагается подход к разработке методики оценки качества информационных изображений.

Ключевые слова: информационная графика, статистическая графика, графическое представление числовых данных, методы оценки.

Введение

«Информационная графика» – это изображение, которое помимо возможной художественной, эстетической ценности несет в себе некие сведения и в первую очередь для этого предназначена. Для представления информации, требующей усвоения, оценки, манипуляции, но слишком сложной «в сыром виде» для человеческого сознания по структуре, природе или объему, люди с древних времен использовали рисунки и чертежи, хотя отдельные стили и термины – «статистическая графика», «инфографика» появились сравнительно недавно. Грамотно разработанное произведение, содержащее текст, графику и цифры способно отразить и структуру исходной информации, и динамику изменения показателей, и тренды, и экстремумы, и многие другие ее свойства, причем сделать это ясно, эффективно и точно.

Карта местности – это информационная графика, как и любой чертеж и схема метрополитена, а вот та же схема с обозначением объема пассажиропотока или карта мира с обозначенной для каждой страны или региона численностью населения – это еще и статистическая графика. Именно «статистическая графика», то есть изображения, являющиеся формой представления результатов анализа неких чисел, является предметом данной статьи. В качестве синонима статистической графики в работе будет также применяться и термин «диаграмма». Подробный обзор типологии видов информационной графики, основных функций, принципов формирования и применения можно найти, например, в работе [1].

Краткий исторический экскурс

Нет ни необходимости, ни возможности излагать всю историю развития и теорию статистической графики в данной работе, но полезно рассмотреть несколько исторических фактов:

• 
  Первые столбчатые, линейчатые и круговые диаграммы были представлены в книгах «Коммерческий и политический атлас» (1786) и «Статистический конспект» (1801) Уильяма Плейфера. Причем, можно проследить эволюцию указанных элементов: в ранних работах Плейфера они вычурные и цветастые, но со временем он приходит к выводу, что главное – это данные, и диаграммы становятся более сдержанными и более ясными.
  
• 
  В 1861 году Чарльз Минар создал изображение, отражающее ход наступления Наполеона на Москву (и отступления из нее). На двумерном изображении отражено множество показателей: численность армии на разных этапах наступления и отступления (один миллиметр ширины оригинала соответствует 10 000 человек), направление перемещения войск (светлая полоса – движение к Москве, черная – от Москвы), географические наименования, температура воздуха на этапе отступления (соответственно, читать отметки нужно справа налево, температура измеряется в градусах ниже точки замерзания воды по шкале Реомюра, 1 ° R = 1,25 ° С). Все эти показатели синхронизированы между собой и интегрированы в единое представление.
  
• 
  31 августа 1854 года в центральном Лондоне, вблизи Броад Стрит разразилась эпидемия холеры. Джон Сноу, который исследовал эту эпидемию, заключил, что виной всему является зараженный источник воды. Доступ к источнику был закрыт, и эпидемия вскоре прекратилась. Все это могло бы показаться вполне банальным, если бы не два «но»:
  
  • 
    в те времена еще не было известно, что холерой можно заразиться от воды – бытовало несколько точек зрения, господствующей из которых была та, согласно которой причиной заболевания холерой и некоторыми другими болезнями был некий «плохой», «грязный» воздух («миазма»);
    
  • 
    графика, которую в то время использовали ученые в ходе исследования эпидемий, в основном отражала изменения числа заболевших и умерших от болезни во времени, что никак не помогало установить источник заразы.
    

Сноу решил, что нет ни одного агента, ничего, связывающего заболевших в районе Броад стрит, кроме источника воды. Решил он так не на пустом месте – он нанес штрихи, соответствующие заболевшим в каждом из домов в районе Броад стрит, на карту.

При взгляде на хорошую информационную графику, созданную в любой исторический период, всегда понятно, зачем она создана, а хорошая статистическая графика, помимо этого, всегда отвечает на вопрос: в сравнении с чем? Иными словами, если в информационной графике имеются цифры, должно быть понятно, что с чем сравнивается и с какой целью [2, 3]. Эти традиционные вопросы остались актуальными и в XX, и в XXI веках, но новое время в силу неуёмного технического прогресса наложило свой отпечаток на развитие информационной и в частности статистической графики и поставило перед ее разработчиками новые вопросы.

Современная статистическая графика

До середины XX века диаграммы в основном производились с помощью письменных принадлежностей. Распространение компьютеров и механизированной обработки данных внесло свои коррективы. Загрузив в компьютер некоторую функцию или шаблон вычислений единожды, можно в дальнейшем многократно применять его к разным наборам данных. В какой-то момент кто-то решил (впрочем, небезосновательно), что и процесс создания статистической графики, можно автоматизировать подобным же образом – с помощью шаблонов (например, имеющихся в программе Microsoft Excel). Во многих случаях подобный подход оправдан, но он имеет один фундаментальный недостаток: создание диаграммы с помощью программного шаблона предполагает определенную форму и структуру исходной информации, но не предъявляет никаких требований к смыслу этой информации, наличию или отсутствию взаимосвязей между рядами данных, а также к непосредственной цели создания графического представления (что должен увидеть, выделить смотрящий на изображение, по мнению автора последнего, за что должен цепляться глаз наблюдателя, что должно вызывать вопросы, а что служить доказательством сказанного).

Использование формата и структуры информации в качестве единственных метаданных для построения графических представлений привело к тому, что на основании одного и того же набора данных можно построить десятки типов диаграмм, хотя совершенно очевидно, что все они не могут быть одинаково эффективными в качестве средства коммуникации в каждом конкретном случае (порой они бывают совершенно неадекватными): круговая диаграмма не показывает динамику, обычная столбчатая не показывает структуру данных, лепестковая диаграмма бесполезна, если имеется всего один ряд данных, а если на графике всего 3 - 5 позиций, то лучше представить их в форме таблицы.

Компьютеры не обязаны задумываться над смыслом производимых действий, они не умеют этого делать и не для этого предназначены, но проблема не в этом. Проблема в том, что и люди привыкли создавать графику, в том числе для научных отчетов и статей, без учета контекста решаемой задачи. В результате часто получаются картинки, годные разве что для забивания места на слайдах презентаций (см. рРис. 1), а не для облегчения восприятия информации, для чего графика, вообще-то, в первую очередь и предназначена.

Рис. 1. Два примера плохих диаграмм: практически нулевая информативность (вверху) и сравнение того, что нельзя сравнивать (внизу)

Выбор эффективной формы представления данных – это одна из сложнейших задач анализа, и ее важность сложно переоценить в особенности там, где речь идет о рисках (чистых рисках, природных и техногенных рисках). По мнению Эдварда Тафти – одного из известных современных теоретиков и практиков статистической графики, хорошо проработанное графическое представление могло спасти космический корабль «Челленджер», который 28 января 1986 года постигла катастрофа. Причиной трагедии называют неисправность кольцевого уплотнителя правого твердотопливного ускорителя, вызвавшую утечку раскалённых газов, которые разрушили крепление, а также и то, что запуск осуществлялся при температуре -2 °С, в то время как рекомендованной температурой воздуха для взлётов является 11 и более градусов тепла. Неисправность была вызвана недостатками конструкций ускорителя и резинового уплотнителя, чувствительного к большому числу факторов, таких как температура, свойства применяемых материалов (резина теряет эластичность на холоде), эффект повторного использования, реакция на динамическую нагрузку [4]. Перед запуском риск ее неудачи и даже ее возможные причины были в целом идентифицированы правильно, но риск был неверно, недостаточно ясно и четко презентован инженерами компании «Morton Thiokol» (создавшей ракету-ускоритель) высокопоставленным сотрудникам НАСА, ответственным за запуск, и, как следствие, был неправильно оценен последними. За день до запуска инженеры изложили свои опасения, представив их в 13 записках, таблицах и схемах. На самом деле, для спасения жизней вполне могло хватить одной диаграммы, составленной на основе анализа всех этих 13 фрагментов данных и показывающей взаимосвязь между степенью повреждения кольцевых уплотнителей и температурой воздуха в день запуска [5]. О такой зависимости было известно на основе данных предыдущих успешных запусков, и все нужные данные были разбросаны по упомянутым запискам.

Выбор просто неподходящей графической формы для представления данных – не единственная возможная неприятность, мелочи и тонкости оформления тоже имеют большое значение. В былые годы можно было часто наблюдать на диаграммах разношерстную шриховку, создающую эффект муара. И по сей день на многих статистических изображениях можно наткнуться на иллюзию Неккера (или Куб Неккера) [6] или несочетающиеся цвета. Часто авторы научных статей и отчетов совершенно не задумываются о том, как их цветное изображение будет преобразовано у черно-белому виду при печати (Рис. 2).

Рис. 2. Основные и дополнительные цвета при преобразовании к шкале серого средствами Microsoft Word 2007

«Инфографика» как новый стиль живописи

Первым, кто попробовал отобразить скрытое в доступном варианте и сопроводить свои изображения текстом, поясняющим принцип работы и назначение изображенных предметов или существ, был Леонардо да Винчи. Именно Леонардо да Винчи считают родоначальником объясняющей графики [7].

Считается, что одним из первых изображений информационной графики, размещенным в средствах массовой информации, была карта залива около города Кадиз в Испании с отображенным на ней ходом попытки оккупации британскими войсками. Карта была напечатана в английской газете «Daily Courant» в 1702 г. [8].

Сегодня графика вышла на массовый рынок, ее потребителями перестали быть только ученые. К сожалению, это также означает, что и ее создателями перестали быть только ученые, а остальные люди еще менее щепетильны в вопросах выбора шкал, нормирования и адекватности сравнения нескольких числовых рядов [9]. Даже слово «инфографика» перестало быть лишь сокращением от «информационной графики» и стало обозначать нечто особенное – выдержанное в весьма свободном стиле, часто лишенное научной строгости изображение с цифрами, рассчитанное на донесение неких фактов до массовой аудитории (картинки с поясняющими комментариями, способные заменить несколько страниц текста). Такая инфографика расцвела бурным цветом в конце 80-х – начале 90-х годов прошлого века в западных газетах и журналах («Daily Courant», «USA Today», «Esquire», «New Yorker» и др.), хотя образчики ее можно было найти и в «Правде» того же времени (см. р), и трансформировалась сегодня в гигантские цветные полотнища с цифрами на телевидении, на рекламных стендах, на персональных и корпоративных страницах в Интернете (причем, разумеется, эти полотнища бывают как удачными с точки зрения представления информации, так и неудачными во всех смыслах).

Рис. 3. Инфографика из номера газеты «Правда» от 24 мая 1982 г. [10]

Рис. 4. Инфографика с веб-сайта: продукты и доходы Google [11]

Рис. 5. Инфографика в рекламных целях [12]

Помимо цели доступного представления данных, эта «инфографика» преследует еще две:

• 
  привлечь внимание, разбавив «скучные цифры» красками и метафорами;
  
• 
  сэкономить пространство (если речь идет о печатном издании) / заполнить пространство (в случае веб-сайтов).
  

В научных целях такие образчики и парадигма в целом вряд ли применимы, поскольку, во-первых, в точных науках скучным может считаться что угодно, только не цифры, а во-вторых, яркость представления не должна конкурировать за внимание зрителя с ясностью изложения. Конечно, статистические данные не обязаны выглядеть скучно, но нужно знать меру и понимать, для какой целевой аудитории и с какой целью изображение разрабатывается.

Фундаментальные ошибки

В предыдущих разделах мы рассмотрели ряд удачных примеров применения графики в научных и просветительских целях, а также ряд неудачных шаблонов и ошибок, допускаемых создателями диаграмм и другой информационной графики. Как уже отмечалось, многие нелепости в современной графике, что называется, «созвучны моменту», то есть являются следствием принятого способа ее создания – современного аппаратного и программного обеспечения. В то же время, корни того, каким является это обеспечение, лежат в более фундаментальной области. Первое, что стоит принять к сведению – это то, что графическое представление желательно проектировать для каждого отдельного случая в контексте целей и задач исследования, а не идти бездумно на поводу у шаблонов (кстати, в этом отношении современная инфографика превосходит научную: чтобы создать уникальный, привлекающий внимание вид, думать о контексте необходимо, другое дело, что эти размышления и выводы из них выливаются чаще в особенности оформления изображения, а не в качество самой формы представления данных).

С фундаментальными проблемами представления невозможно справиться, меняя цвета диаграммы, ее макет, перемещая или удаляя легенду, преобразуя изображение к объемному виду (3D) или действуя каким-либо другим образом, но в той же манере.

Скажем, классическая столбчатая диаграмма, как ее ни раскрашивай, не будет раскрывать структуру данных. Но если структуру показывать необходимо, можно воспользоваться «столбчатой диаграммой с накоплением» (Рис. 6).

Рис. 6. Пример столбчатой диаграммы с накоплением, с которой, помимо прочего, удалено все лишнее

Если единичные элементы данных плохо организуются в группы (по смыслу), или цель исследования не предполагает подобной группировки, или диаграмму просто хочется сделать еще более информативной, то сами элементы данных можно использовать в качестве строительных блоков для столбцов.

На Рис. 7 приводятся результаты опроса, который автор данной работы вместе с коллегами проводил в 2011 году. Целью опроса было выяснить, люди каких возрастов играют в компьютерные игры онлайн, в какие именно игры и по сколько часов в неделю. Преимуществом данной формы представления является то, что на ней видны все результаты опроса, включая кол-во отозвавшихся на призыв респондентов, точный возраст каждого из них, кол-во играющих от общего числа опрошенных, конкретные игры и кол-во часов, проводимое за игрой каждым респондентом. Иными словами, данная графическая форма представления данных является многомерной (многомерность вообще является одним из критериев хорошо проработанной статистической графики; в частности, обычно хороший результат дает отображение динамики одновременно в пространстве и во времени, конечно, когда природа данных это позволяет). Разумеется, если бы результатов было значительно больше (было бы больше респондентов), пришлось бы разрабатывать другую форму. В данном же случае легко на глаз определить соотношение играющих и неиграющих респондентов, в то время как отображение соотношения играющих ко всем респондентами в виде чисел дополнительно ничего бы не дало.

Рис. 7. Пример построения столбчатой диаграммы на основе результатов опроса (песочные часы с цифрами обозначают количество часов в неделю, проводимое за играми)

Низкая информативность диаграммы – это первая из фундаментальных и наиболее часто встречающихся проблем. Другая такая проблема – диаграммный мусор.

«Диаграммный мусор» – это все, что включено в изображение, отображающее числовую информацию, но при этом не является ни самой числовой информацией, ни чем-то, что помогает эту информацию понять или необходимо для понимания (осями координат, обозначениями единиц измерения, линиями трендов и т. д. – хотя и эти элементы во многих случаях можно расценить как мусор). Говоря иначе, мусор – это все, что можно удались с изображения, оставляя его столь же информативным, как и до того. Например, с точки зрения классической или хорошо проработанной современной научной графики, большая часть практически любой современной инфографики – это и есть диаграммный мусор. Можно рассчитать один из показателей (L) эффективности представления, как отношения количества «чернил», потраченных на отображение информации к общему количеству использованных «чернил»:

,

где - количество «чернил», потраченное целевым образом, то есть на отображение данных и необходимой сопутствующей информации (Эдвард Тафти называет эти «чернила» – «Data Ink» [3]), - количество «чернил», потраченных на все остальное, а - общее количество «чернил», затраченных на изображение.

Разумеется, понятие «чернил», применимо только для изображений, нарисованных вручную (технически оно также применимо к изображениям, распечатанным на струйных принтерах, но когда они напечатаны – их сложно анализировать). Поскольку большинство изображений информационной графики сегодня создается посредством компьютера, представляется логичным анализировать их в цифровом виде и использовать в качестве единицы измерения «зарисованной» площади пиксели или единицы измерения длины. Кроме того, бумага, ранее используемая для создания изображений вручную, зачастую была белой и все, что дополнительно на ней появлялось, было чернилами. В случае же с редактированием цифровых изображений часто имеет место цвет фона, отличный от белого, и его имеет смысл отфильтровывать, перед проведением вычислений.

Третья фундаментальная проблема, имеющая место с некоторыми образчиками графического представления числовых данных – это «диаграммная ложь», «диаграммная полуправда» или просто искажение данных в одной или нескольких формах кодирования. Форма кодирования информации в данном случае – способ передачи информации в изображении. Сами числовые данные в виде цифр – это форма кодирования, каковой является также и площадь сектора на круговой диаграмме или высота столбца – на столбчатой. Также формами кодирования могут быть цвета, уровни размещения по вертикали элементов данных, размеры шрифтов и многое другое. При создании информационной графики обычно используют сразу несколько форм кодирования. Искажение данных проявляется в том, что одна из форм сообщает информацию, отличающуюся от сообщаемой другими.

Рассмотрим еще раз р и проанализируем величины, изображенные на нем (первая форма кодирования), соотношение между ними, а также соотношение диаметров кругов, которые им сопоставлены (вторая форма кодирования). Соответствующие сведения представлены в тТаблица 1.

Таблица 1.

Анализ инфографики из газеты «Правда»

№ позиции	1	2	3	4	5
Числовое значение	1	24	279	514	537
Диаметр соответствующего круга (мм, при размере изображения 275 на 158 мм)	22	33	49	64	76

Тафти предлагает для статистических изображений метрику, которую можно назвать «мерой правдивости» (M). Изображение тем «правдивее», чем мера ближе к 1 (в оригинале употребляется термин «Lie Factor» [3], но учитывая, что оптимальное значение этого фактора равно 1, употребление оригинального термина может вводить в заблуждение):

,

где – размер эффекта, показанного в графике, а – размер эффекта, отраженного в цифрах (на том же изображении или в других формах представления, например, в таблицах, в том же источнике). При этом размер эффекта (E) рассчитывается следующим образом:

,

где и – это либо максимальное и минимальное значения величин в отображаемом наборе чисел (для случая ), либо (для случая ) максимум и минимум некой меры графического элемента, представляющего эти числа на изображении, при этом характер меры зависит от конкретного представления и формы кодирования (диаметр или площадь круга, диагональ прямоугольника, высота столбца, размер шрифта и т. д.)

Размер эффекта, показанный в данных на изображении выше, вычислим следующим образом:

,

а размер эффекта, показанный с помощью графики, составляет

.

В данном случае мера правдивости составляет . На указанной диаграмме верно показано лишь направление изменений.

Недалеко ушла в отношении «правдивости» и инфографика в нижней части Рис. 5. Топливо «Evolution», согласно изображению в верхней части того же рисунка и информации с сайта его производителя, не обязательно превосходит «98-ой бензин» октановым числом, как можно было бы подумать, глядя на размещение кругов, соответствующих элементам данных, и вряд ли дает такой прирост размера эффекта, какой показан за счет площадей этих кругов (что бы под этим эффектом ни подразумевалось). Впрочем, от инфографики, применяемой в рекламных целях, было бы наивно ожидать абсолютной искренности.

Если «диаграммная ложь» присутствует, то чаще всего лжет либо графическое представление, либо и цифровое, и графическое представления вместе. Если графика отражает истину, а цифры – нет, то возникает вопрос: как графика получена? Последний из представленных примеров относится, скорее, к категории курьезов, но в общем случае «диаграммная ложь» опасна тем, как она воспринимается. По определению человек понимает нарисованное лучше, чем то же самое, но в виде цифр, если цифр много. В случае, когда разные формы кодирования на изображении несут разную информацию, подсознательно или интуитивно человек ухватит графическую информацию быстрее, и в памяти она останется значительно дольше, чем цифры, иными словами, ложь в сознании будет превалировать над правдой.

О методике оценки графического представления числовых данных

Мало выявить наиболее часто встречающиеся фундаментальные проблемы в статистической графике и проблемы, связанные с методами ее создания. Графика может быть одновременно и инструментом, и результатом научного исследования (то есть результаты часто представляются графически), а потому, как ни крути, качество всего научного исследования определяется, в том числе, и качеством графики. В данной работе речь идет, в основном, о графическом представлении данных третьим лицам – в ходе работы исследователь имеет право использовать любое представление данных, если оно приносит ему пользу. Как говорилось выше, графику нужно проектировать, а этот процесс требует времени и сил. Очевидно, что статистическая графика должна подвергаться некой оценке, хотя разработка методики такой оценки – задача весьма непростая.

Как было показано выше, изображение, отражающее числовую информацию, может быть количественно оценено с точки зрения доли диаграммного мусора и меры правдивости (можно предложить и другие критерии, например, соотношение количества числовых рядов, представленных на изображении, к количеству шкал). Действительно, автором данной работы была создана несложная программа для выполнения таких оценок, а кроме того, они могут быть выполнены в одном из популярных профессиональных редакторов изображений, например, в Adobe Photoshop (разумеется, при наличии навыка и данного программного обеспечения, приобретенного законным образом). Однако если с мерой правдивости все довольно просто, то процедура оценки с точки зрения доли диаграммного мусора формальна лишь на стадии вычислений, но не на стадии, их предваряющей, то есть во время определения того, что именно является мусором, а что – нет.

Еще сложнее дело обстоит с информативностью графики: как оценить ее количественно? А как быть с такими откровенно плохими приемами, как отражение на рисунке одномерных данных в виде двух или трехмерных элементов, использование неравномерного шкалирования, смещение точки отсчета с целью показать несуществующие тренды и зависимости? Такие вещи можно оценить лишь экспертным путем, возможно, посредством тестов с соответствующими вопросами, задаваемыми нескольким экспертам относительно одного или нескольких изображений. В конце концов, каким образом разрозненные показатели, как количественные, так и качественные собрать в некую единую методику?

Возможно, здесь будет полезен подход, используемый при проверке метрик качества изображений. В данном случае метрика качества – это оценка вычислительными средствами какого-либо файла цифрового изображения на предмет наличия и степени визуальных артефактов и искажений, это попытка без помощи человека поставить изображению диагноз, который человек выражает в форме «хорошее» / «удовлетворительное» / «плохое». Здесь речь идет о технической оценке – сюжет, изображенный на рисунке, никакого значения не имеет. Проблема в том, что в идеале метрика должна максимально коррелировать с оценками пользователей, которые увидят изображение, а последняя оценка является качественной, экспертной. То есть, как и в нашем случае, необходимо получить количественную оценку того, что обычно оценивается исключительно качественно.

Для тестирования и сравнения метрик качества изображений исследователями-энтузиастами было составлено несколько баз данных файлов (например, LIVE [13], TID2008 [14] и т. д.), которые можно бесплатно скачать в Интернете. В частности, база TID2008 состоит из 25 оригинальных изображений и 1700 искаженных (25 оригинальных изображений × 17-искажений × 4 уровня искажения). В TID2008 также входит информация о средней оценке каждого изображения наблюдателями по шкале от 0 до 9. Имея в распоряжении такой статичный набор файлов, можно определять степень корреляции между оценками изображений по метрике (в частности, новой, разработанной вами), и оценками, выданными наблюдателями. Также можно сравнивать между собой сами метрики, например, какая из них в большей степени коррелирует с пользовательскими оценками на подмножестве изображений со специфическими видами или степенью искажений [15].

Со статистической графикой дело обстоит несколько сложнее: речь идет о семантике, контексте, о передаче информации, сюжета, сложных идей. В данном случае достаточно трудно получить даже некие усредненные качественные оценки изображений на основе мнений наблюдателей. Вероятно, для получения таких оценок следует ориентироваться не на одностороннее мнение наблюдателей о том, что они видят, а на сопоставление мнений об изображении его создателя (какую именно информацию, факт, идею он хотел передать, что является главным?) и зрителей (что именно они поняли из изображения, на что обратили внимание?). Как и в случае с технической оценкой изображений, необходимо создать статичную базу файлов, на которой исследователи смогут «обкатывать» свои методики оценки диаграмм.

Автор данной работы не настаивает на том, что такая методика должна быть утверждена на государственном или отраслевом уровнях или в виде корпоративных стандартов, неукоснительно применяться к каждому изображению, на котором есть хотя бы одна цифра, а изображения, не прошедшие некий порог, установленный методикой, должны безжалостно уничтожаться и никогда не находить дороги к наблюдателю. Разработка изображений, представляющих численную информацию, или графическое моделирование – процесс во многом творческий, его невозможно уложить в ограниченный набор канонов. Однако проведение исследований в указанном направлении и их популяризация представляют большой научный (и художественный) интерес. Они позволили бы высвободить авторов из плена графических шаблонов, а потребителей этих шаблонных изображений освободить из тенёт непонимания того, что они видят, и дать им надежду на что-то более внятное. В перспективе такие исследования могли бы привести к модернизации производителями популярных пакетов обработки данных и к появлению нового программного обеспечения, построенного на базе новых концепций. Иными словами, исследования в данной области могли бы стимулировать развитие графической культуры и практики, которые можно было бы передавать через преподавание свежим поколениям ученых. Сегодня, чтобы удалить весь мусор с диаграммы, созданной в Microsoft Excel, иногда приходится потратить значительное время, а чтобы получить забитую им диаграмму, не нужно делать практически ничего.

Литература

1. Никулова Г. А. Средства визуальной коммуникации – инфографика и метадизайн // Образовательные технологии и общество №2 [Электронный ресурс] : Российская коммуникативная ассоциация. – Электрон. дан. – 2010. – Режим доступа : https://ifets.ieee.org/russian/depository/v13_i2/html/14.htm, свободный. – Загл. с экрана. – Яз. рус.

2. Tufte E. R. Beautiful Evidence. – Graphics Press LLC, 1997.

3. Tufte E. R. The Visual Display of Quantitative Information. – Graphics Press LLC, 2001.

4. Report of the Presidential Commission on the Space Shuttle Challenger Accident [Электронный ресурс] : Kennedy Space Center. – Электрон. дан. – 1986. – Режим доступа : https://science.ksc.nasa.gov/shuttle/missions/51-l/docs/rogers-commission/table-of-contents.html, свободный. – Загл. с экрана. – Яз. англ.

5. Tufte Edward R. Visual Explanations. Images and Quantities, Evidence and Narrative / Edward F. Tufte. – Cheshire, Connecticut: Graphics Press LLC, 1997.

6. Иллюзии глубины [Электронный ресурс] : МГУ им. М. В. Ломоносова. – Электрон. дан. – 2003. – Режим доступа : https://www.psy.msu.ru/illusion/depth.html, свободный. – Загл. с экрана. – Яз. рус.

7. Леонардо да Винчи. Избранные произведения : в 2 т. / пер. А. А. Губера, В. П. Зубова, В. К. Шилейко, А. М. Эфроса ; под ред. А. К. Дживелегова, А. М. Эфроса – М. : Изд-во Студии Артемия Лебедева, 2010.

8. Myers S. A Quantitative Content Analysis of Errors and Inaccuracies in Missouri Newspaper Information Graphics [Электронный ресурс] : University of Missouri-Columbia. – Электрон. дан. – 2009. – Режим доступа : https://mospace.umsystem.edu/xmlui/bitstream/handle/10355/6570/research.pdf?sequence=3, свободный. – Загл. с экрана. – Яз. англ.

9. Артюхин В. В. Реальность 2.0b. Современная история информационного общества / В. В. Артюхин. – М. : 2011.

10. Рост продукции промышленности : Газета «Правда» от 24 мая 1982 г. – 1982.

11. Smarter Marketing to Smartphone Users [Электронный ресурс] : infographicworld.com – Электрон. дан. – 2003. – Режим доступа : https://infographicworld.com/wp-content/uploads/2011/02/GoogleMobile3D.jpg, свободный. – Загл. с экрана. – Яз. англ.

12. Топливо будущего [Электронный ресурс] : Нефтьмагистраль – Электрон. дан. – 2012. – Режим доступа : https://www.neftm.ru/, свободный. – Загл. с экрана. – Яз. рус.

13. LIVE Image Quality Assessment Database [Электронный ресурс] : Laboratory for Image & Video Engineering. – Электрон. дан. – 2012. – Режим доступа : https://live.ece.utexas.edu/research/quality/subjective.htm, свободный. – Загл. с экрана. – Яз. англ.

14. TAMPERE IMAGE DATABASE 2008 TID2008, version 1.0 [Электронный ресурс] – Электрон. дан. – 2010. – Режим доступа : https://www.ponomarenko.info/tid2008.htm, свободный. – Загл. с экрана. – Яз. англ.

15. Ponomarenko N., Lukin V., Zelensky A., Egiazarian K., Astola J., Carli M., Battisti F. TID2008 – A Database for Evaluation of FullReference Visual Quality Assessment Metrics [Электронный ресурс] – Электрон. дан. – Режим доступа : https://www.ponomarenko.info/papers/mre2009tid.pdf, свободный. – Загл. с экрана. – Яз. англ.