首页 文章详情

把PPT做漂亮点真的有用,研究证明图表美观增加可信度,作者:还会影响论文引用和通过率

i小码哥 | 126 2022-01-20 12:08 0 0 0
UniSMS (合一短信)
萧箫 发自 凹非寺
量子位 报道 | 公众号 QbitAI

先来看两张图表:

你感觉,哪张图表看起来可信度更高?

其实,这两张图表展现的数据完全一样,但第二张“更漂亮”的图表看起来却更具说服力。

这种现象已经有了科学依据。

一项最新研究表明,漂亮图表确实更容易受到信任,也更具有误导性,与它们所属的学科类别或来源无关:

而且,学历越高的人群,越容易受这种偏见的影响。

研究po出后,立刻在外网火了一把。

网友们给自己做的丑图找到了新借口:这样才不会让读者产生偏见(得意)

来看看这是一项怎样的研究。

第一,好看的图更受信任

结论一,与学科类别或来源无关,漂亮的图表就是让人感觉更可信。

研究人员从社交媒体新闻科学论文中,分别筛选了数百张图表。

其中,“社交媒体”指Reddit社区,“新闻”来源于彭博社、金融时报等报刊杂志,“科学论文”则基本来自于Nature Communication和Scientific Reports。

图表所属学科也非常多样,涉及地理、生物、健康、科学、运动等:

然后,研究人员找了数百名志愿者,给随机出现的图表进行打分:

出现的一些图表类型

志愿者们会从美观性(色彩搭配、行间距和字体)、易读性(可视化数据类型、图形类型和图形设计)、可信度、感兴趣程度、超出认知程度等角度,评估图表:

统计结果显示,好看易懂的图表可信度普遍更高(其中横轴是美观性,纵轴是可信度)

既然如此,漂亮的图片会更具有误导性吗?

第二,漂亮的图更具误导性

结论二,图表的“美观性”更影响人们的信任程度,甚至忽略误导性操作带来的影响。

误导性操作指在不影响结论的情况下,利用图标大小等视觉差,故意给读者造成错觉,引导得出与数据不符的结论:

图源:维基百科

研究人员亲自上手,对一系列图表进行PS,包括将图片改得更漂亮,例如提升分辨率、调整字体大小等;此外,也将图片改得更具误导性,包括采用暗示性色彩来上色等。

具体来说,他们把每个图表都PS成4种类型:

左上角是漂亮+低误导性;左下角是不漂亮+低误导性;右上角是漂亮+高误导性;右下角是不漂亮+高误导性。

鲜艳的红色对结论具有误导性

然后,将这些PS后的图片拿给志愿者们进行评估。

结果表明,人们更信任更漂亮的图片,平均比原图的“可信度”高出1分左右(满分7分);但对于色彩不均匀等误导性操作,人们却表现得不敏感,可信度无明显变化。

这意味着,志愿者们普遍认为更漂亮的图片看起来更可信,即使它被进行了误导性操作。

除此之外,研究人员分析了一下志愿者们的学历,还发现了一个意外现象:

学历越高的志愿者,评估可信度时越容易受到好看图表的影响。

作者Mark Thornton认为,在引用或评审科学论文时,确实可能受到这种好看图表“偏见”的影响,导致对应论文的引用率和通过率更高:

所以下次投稿之前,试试把论文图表搞得更漂亮一点?(手动狗头)

作者介绍

论文一作Chujun Lin,本科毕业于浙江大学,在加州理工学院取得社会科学博士学位后,又进行了一年博士后工作,目前在达特茅斯学院继续进行博士后工作,研究方向主要与计算方法(建模、深度学习等)、社会心理学理论和社会性指标相关。

二作Mark Thornton,达特茅斯学院助理教授,本科毕业于普林斯顿大学,并于哈佛大学取得硕博学位,研究方向主要是心理学和脑科学。

论文地址:
https://psyarxiv.com/dnr9s/

零基础学 Python,来这里


 只需7天时间,跨进Python编程大门,已有3800+加入

【基础】0基础入门python,24小时有人快速解答问题;
【提高】40多个项目实战,老手可以从真实场景中学习python;
【直播】不定期直播项目案例讲解,手把手教你如何分析项目;
【分享】优质python学习资料分享,让你在最短时间获得有价值的学习资源;圈友优质资料或学习分享,会不时给予赞赏支持,希望每个优质圈友既能赚回加入费用,也能快速成长,并享受分享与帮助他人的乐趣。
【人脉】收获一群志同道合的朋友,并且都是python从业者
【价格】本着布道思想,只需 69元 加入一个能保证学习效果的良心圈子。

【赠予】后续圈主将开发python,0基础入门在线课程,免费送给圈友们,供巩固和系统化复习

【新书】本人写的0基础入门配套书,如下,保证手把手教会哦!



优秀的读者都知道,“点赞”传统美德不能丢 


good-icon 0
favorite-icon 0
收藏
回复数量: 0
    暂无评论~~
    Ctrl+Enter