[论文解读] Data visualization in political and social sciences

Andreï Zinovyev|arXiv (Cornell University)|Aug 6, 2010

Data Visualization and Analytics参考文献 3被引用 20

一句话总结

本文综述了专为政治学与社会科学设计的数据可视化方法，强调通过多维数据表示来克服人类在解读复杂定量信息时的感知局限。文章主张整合统计图形、信息图表以及先进的多变量可视化技术，以提升定量政治科学研究中的分析推理能力。

ABSTRACT

The basic objective of data visualization is to provide an efficient graphical display for summarizing and reasoning about quantitative information. During the last decades, political science has accumulated a large corpus of various kinds of data such as comprehensive factbooks and atlases, characterizing all or most of existing states by multiple and objectively assessed numerical indicators within certain time lapse. As a consequence, there exists a continuous trend for political science to gradually become a more quantitative scientific field and to use quantitative information in the analysis and reasoning. It is believed that any objective analysis in political science must be multidimensional and combine various sources of quantitative information; however, human capabilities for perception of large massifs of numerical information are limited. Hence, methods and approaches for visualization of quantitative and qualitative data (and, especially multivariate data) is an extremely important topic. Data visualization approaches can be classified into several groups, starting from creating informative charts and diagrams (statistical graphics and infographics) and ending with advanced statistical methods for visualizing multidimensional tables containing both quantitative and qualitative information. In this article we provide a short review of existing methods of data visualization methods with applications in political and social science.

研究动机与目标

• 应对大规模、多维政治与社会科学数据有效可视化日益增长的需求。
• 克服人类在处理综合性事实手册与地图集中的复杂数值信息时的感知局限。
• 通过视觉手段整合多样化的定量数据源，支持多维、客观的分析。
• 对从基础图表到混合数据类型高级统计可视化方法进行分类与评估。
• 为政治科学中的视觉分析提供基础参考，为《SAGE政治科学国际百科全书》做出贡献。

提出的方法

• 将可视化方法分类为若干类别，从基础统计图形与信息图表到高级多变量技术。
• 强调在多维表格中对定量与定性数据均使用视觉表示。
• 应用图形感知原则，设计复杂政治与社会数据的有效视觉展示。
• 整合计算统计学与数据可视化的方法，以处理大规模异构数据集。
• 采用适用于多维数据的既定可视化框架，包括降维与聚类可视化。
• 借鉴计算科学与图形领域的现有可视化标准与实践，应用于政治学领域。

实验结果

研究问题

• RQ1 数据可视化如何增强对多维政治与社会科学数据的解读？
• RQ2 在政治学中，哪些可视化技术最有效地呈现混合定量与定性数据？
• RQ3 可视化方法在政治学中以何种方式支持客观、多维分析？
• RQ4 视觉工具如何克服人类在感知大量数值信息时的局限？
• RQ5 高级统计可视化技术在提升政治科学研究中的推理能力与洞察生成方面发挥何种作用？

主要发现

• 数据可视化对于总结和推理政治与社会科学中大规模多维数据集至关重要。
• 统计图形与信息图表的整合提升了复杂数据的可访问性与可解释性。
• 高级可视化方法能够有效表示多变量表格中的定量与定性变量。
• 人类感知的局限性要求采用复杂的可视化技术，以支持客观、多维分析。
• 随着该领域日益量化与数据密集化，可视化在政治科学中的应用变得愈发关键。
• 本文为《SAGE政治科学国际百科全书》提供了全面的可视化方法综述。