국내외 연속간행물의 데이터 시각화 적합성 평가 연구 (The Suitability of Data Visualization for Domestic and International Serial Publications)

서지정보

· 발행기관 : 한국디자인학회
· 수록지 정보 : 디자인학연구 / 37권 / 2호 / 415 ~ 431페이지
· 저자명 : 최서령, 현은령

초록

연구배경 정보통신 기술의 발달로 정보의 규모가 증가하면서 우리는 빅데이터(Big Data) 환경에 놓이게 되었다. 이 시대의 데이터 시각화 디자이너는 데이터의 특성을 이해하고 올바른 차트를 선정하며, 이를 정확하게 전달하고, 검토·평가할 수 있는 능력을 갖추어야 한다.
연구방법 데이터 시각화 적합성 평가 방법을 알아보기 위하여 문헌연구를 통해 데이터 시각화 적합성 평가 기준을 수립하였다. 주요하게 발생하는 오류 항목별로 각 오류가 발생하는 세부 내용을 정리하였다. 도출된 데이터시각화 적합성 평가 기준에 따라 국내외 연속간행물 총 6건의 데이터 시각화 결과물 382점을 평가하였다.
연구결과 데이터 시각화 오류의 항목은 정보의 왜곡, 명시성 부족, 직관에 위배, 시각적 혼란으로 구성된다.
평가 결과는 정보의 왜곡과 명시성 부족이 가장 높은 비율을 차지했으며, 시각적 혼란과 직관에 위배가 그 뒤를따랐다. 또한, 매체별로 가장 빈번하게 발생하는 오류 항목은 서로 달랐으며 이렇게 산발적인 오류들이 발생하는이유로는 정확한 데이터 시각화 원칙의 부재로 인하여 시각화 완성도가 매체별 디자이너의 역량에 좌우된다는것을 그 원인으로 유추하였다.
결론 정확하고 올바른 데이터 시각화를 위해서는 디자이너의 시각화 역량을 넘어 데이터 리터러시 능력이 겸비되어 데이터를 읽고, 이를 효율적으로 전달할 수 있는 차트를 선정하며, 차트 작성에 오류가 없도록 하는책임이 필요하다. 또한, 데이터 시각화 원칙과 체크리스트 개발의 필요성이 있다.

영어초록

Background With the development of information and communication technology, the scale of information has increased, and we are in a big data environment. Data visualization designers in this era must have the ability to understand the nature of the data, to select the right chart, to communicate the data accurately, and to review and evaluate the data.
Methods To find out how to evaluate data visualization suitability, we established data visualization suitability evaluation criteria through literature research. For each major error category, we organized the details of each error. Based on the derived data visualization suitability evaluation criteria, we evaluated 382 data visualization outputs of six domestic and international serial publications.
Results Data visualization errors consist of misrepresentation, lack of clarity, counterintuitive, and visual clutter. The evaluation results showed that distortion of information and lack of clarity accounted for the highest percentage, followed by visual confusion and counterintuition. The most frequent error items were different for each medium, and it was inferred that the reason for such sporadic errors is the lack of accurate data visualization principles. The completeness of visualization depends on the competence of the designer for each medium.
Conclusions Accurate and correct data visualization goes beyond the visualization skills of the designer and requires data literacy skills to read the data, to select charts that communicate it effectively, and to ensure that the charts are error-free. There is also a need to develop data visualization principles and checklists.

참고자료

· 없음