疫情視覺化:我們從不同媒體的圖表設計學到什麼(或不學什麼)
本文寫作目的為討論疫情資料及圖表呈現
台灣在2021年5月爆發大量本土確診案例,媒體緊追疫情發展,各種視覺化圖表也紛紛出籠。身為對資料視覺化有興趣的人,看到圖表總是忍不住想探究原始資料,以及觀察圖表設計者如何呈現資訊。
我們瀏覽目前台灣媒體製作的疫情圖表及專題頁面,希望一探我們將碰到什麼樣的疫情數字?可以用什麼樣的圖表呈現?文末也將延伸討論,這些圖表裡面有哪些秘密?視覺化的過程會遇到哪些困難?
(大量圖表預警!歡迎先拍手或收藏本文,有力氣時再繼續往下閱讀😆)
🁢 1 🁢 保持彈性:資料有哪些特徵?怎麼挑選合適視覺化方法?
每天疫情記者會除了「神秘數字」揭曉時間,指揮中心從5月22日開始公布「校正回歸」案例,將應統計而未列入的案例數,按照其確診日期回溯。
消息一出,除了輿論對「校正回歸」名詞的消遣,群組內傳來更多緊盯疫情數字的工程師、設計師哀嚎 — — 只要指揮中心滾動修正,負責資訊圖表設計與發佈的人就要跟著修正資料源。(問題不僅於此,指揮中心當時並未同步公布「校正回歸」案例詳細資料,例如縣市別⋯⋯)
更重要的是,該如何呈現「校正回歸」後的案例數?怎麼在提供詳實數字的狀況下,幫助讀者理解疫情趨勢?我們可以從《報導者》的圖表窺見他們如何接招:
5/21|指揮中心尚未開始公布「校正回歸」案例,《報導者》以地圖方式呈現疫情確診數分佈
5/22|指揮中心第一次公布「校正回歸」案例,《報導者》除了疫情地圖,新增每日校正回歸病例與當日公布確診數累計堆疊直方圖
5/23|指揮中心持續公布「校正回歸」案例,《報導者》也繼續在堆疊直方圖上新增數據
5/24、5/25|指揮中心持續公布「校正回歸」案例,《報導者》除了新增堆疊直方圖資料,也重新設計圖表樣式,讓資訊以更精簡方式呈現
5/26|指揮中心持續公布「校正回歸」案例,《報導者》一改前兩天作法,僅留下總校正回歸數、當日新增確診數,以及加上7日平均數來幫助讀者理解疫情變化趨勢
從這個案例中,除了可見資料處理者面對資料特徵變化的快速反應能力,我們也觀察到設計者的巧思:將堆疊直方圖上的資訊從每日新增「校正回歸」案例數 + 指揮中心當日公布確診數
改成總「校正回歸」案例數 + 指揮中心當日公布確診數
,並新增7日平均新增確診數的趨勢線。
我們認為新版的圖表解決兩個問題:
- 避免堆疊直方圖資訊過度複雜:在原圖表中,每日新增的案例數都需要一個顏色,若要維持每日詳實呈現新增「校正回歸」案例數,又要將每日的資訊做出區隔,假設指揮中心連續100天公布校正回歸數字,設計師色票可能會不夠用
- 以7日平均值來呈現疫情變化趨勢,降低直方圖的高低谷對視覺判斷每日變化的阻礙:7日平均值其實也可以是3日、10日或14日,算法跟均線的一樣,有在看盤的朋友應該不難理解,而指揮中心每次幾乎都校正前五天以上的案例,因此這裡選用7天在目前看來也許是相對適合的時間區間。
如果你想知道為什麼要用7日平均值可以參考:
而這樣的疫情數字呈現方法其實很常見,例如:
🁢 2 🁢 幫助讀者看懂:附上圖表說明、資料來源(甚至是公式)
疫情資料涉及許多公衛知識,如篩檢陽性率、疾病致死率與疫情死亡率都是觀察疫情的重要指標,每個名詞背後都代表特定的解釋範疇與統計方法,若讀者不具專業背景,很難一眼就理解圖表中資料的意義。
《報導者》參與2018年SND 香港年會心得中提到,《南華早報》資深資訊圖表設計師 Marcelo Duhalde指出,圖表製作者要記住並非所有人都是專家,也沒必要是一個專家,圖表本身需對讀者友善。
因此,當資料涉及較生硬的知識,附上資料來源、資料整理方式與編輯說明等資訊,能幫助讀者更快速地看懂圖表。而圖表製作者也不是專家,若要取信於讀者,也須仔細說明資料取得方式、資料來源及編輯說明等資訊以供檢視。
為彰顯資料可信度,資料來源已是必備元素,更細心的圖表設計者同時會提供計算公式。例如《聯合報》在疫苗接種率的圖表中,除了展現數據,也說明疫苗接種比率的計算方法與採用資料:
除了解釋資料之外,我們也能從解釋圖表視覺元素來幫助讀者閱讀。
舉例來說,若圖表主要以顏色區分資料的分佈特徵,詳實附上圖例說明顏色/級距,可供讀者進行對照及判讀圖表資訊,像以下案例便以不同形式提供了顏色/級距細節:
🁢 3 🁢 凸顯重點:利用顏色、物件大小引導讀者
觀察圖表是很有趣的一件事,可以從用字、顏色與各物件大小來推敲設計者細膩的思考方式。
圖表設計名師、邁阿密大學傳播學院視覺新聞教授Alberto Cairo在著作《圖表會說謊》(How Charts Lie: Getting Smarter About Visual Information)中指出,如果要細究圖表細節,可以從以下兩個核心元素來討論:
- 圖表的骨架(scaffolding):標題、圖例、單位、尺度、資料來源等
- 圖表的視覺編碼(visual encoding):
- 形狀:可以觀察圖表呈現資料是以長條來比較數量大小?還是以圓形來表示比例?等
- 位置:例如離散圖中資料點的位置,哪些點比較遠?分佈的位置有什麼樣的意義?
- 面積/大小:資料點的大小代表什麼樣的數據特徵?(若是圓形的比較要特別小心原始資料,若沒有校正,有時候用圓形比較資料會失真)
- 顏色:每個顏色分別代表什麼樣的資料?
而如何組合各種元素,吸引讀者視線,則考驗設計視覺層級的功力。排版是設計師的專業,這邊提供幾篇關於視覺層級的討論:
以下藉由幾個範例來觀察圖表設計者如何引導閱讀:
- 透過顏色與物件大小來引導:
- 透過顏色讓讀者清楚接收到圖表重點:
- 強調時序細節,讓讀者跟著觀察時序資料所代表的意義:
追蹤各家疫情圖表後,我們開始思考⋯⋯
🁢 Q1 🁢 資料只能呈現數字嗎?還有哪些可以關注的面向?
除了確診數、陽性率等數字,在疫情資料中,我們還可以觀察到哪些面向?
這個問題其實要回歸到各個資料觀察者觀看資料的角度,畢竟每個人處理資料的目的與策略不同,關心的面向也有所差異。我們整理了幾個案例:
- 在死亡人數統計之外,觀察死亡個案的病程與病史:
關上新聞網頁,我們開始想:
為什麼我們需要這些地圖?
→ 希望得知各縣市確診資訊
→ 那疫情地圖解決資訊問題了嗎?
從製作過程來看,地圖的資料視覺化其實並不輕鬆,製圖者需要先獲得乾淨的台灣地圖,接著填色;而填色時又需要考慮各縣市確診數差距,並在兼顧用色與呈現縣市嚴重程度的前提下,選擇合適的顏色上色。若特定地區確診數快速增加,填色級距就必須重新設計,而這又是另一輪新的研究→討論→再設計過程。
而若是疫情地圖沒有留下數字細節,讀者僅能從圖上看到粗略的資訊(僅有顏色分佈),無法從圖表讀出更多資訊。讀者可能在閱讀上碰到問題:如果我家跟隔壁縣市是同樣的顏色,代表我們疫情嚴重程度一樣嗎?我的家鄉是這個顏色,在哪個級距啊⋯⋯
從圖表類型來談,地圖/面量圖並非用來直接比較數字大小,而較常結合人口特徵資料,例如居住人口等,討論各地某資料分佈密集程度。
不過目前台灣案例數相對總人口數較小,若以人口密度呈現,很難直觀看出疫情嚴重程度;再加上讀者最需要的數字可能是確切確診人數,而非當地確診密度,因此目前可能還用不上面量圖。
若要呈現疫情嚴重程度,疫情地圖並不能確實達到比較確診數多寡的目的,越簡單的圖表也許才是較合適的呈現方式,例如直接提供疫情數字表格:
從台北市政府提供的圖卡,也可以看出若要直接看出疫情熱區,表格資訊比地圖清楚很多。
🁢 Q3 🁢 :我們還需要/可以看哪些數字?
看著滾動修正的疫情數字,以及指揮官陳時中手中的資料圖卡越來越多,我們想的是:疫情資料總是看得到、拿不到。若官方能拿出相關統計圖表,代表已進行資料統整,然而這些資料卻仍未能為資料分析者所用。
《端傳媒》追蹤數據的記者何欣潔日前在臉書上提出討論,她認為衛福部目前所公布的資料中,尚缺(包含但不限於):
- 校正回歸中「研判日」定義
- 各縣市的每日累積確診數(包含校正回歸後的數據)
- 每日採檢陽性率的分子(確診數)與分母(檢驗量)
- 關聯不明的個案趨勢分布圖
除此之外,我們認為以下資料維度也很重要:
- 個案資料(確診日、採檢日、發病日)
- 疫苗資料(打一劑的有多少、完全施打的有多少)
資料處理與清理議題並非本文主題,不過其實在看圖表之前,我們更常討論資料品質問題,例如某統計到底在哪裡?他裡面得空值為什麼沒有移除?這份資料在取用上需要注意哪裡?畢竟若無法兼顧資料完整性,圖表便無法呈現有意義的故事。
如果你也想動手做…
開放資料集|政府|衛福部
- 疾管署資料開放平臺
- 嚴重特殊傳染性肺炎(以日為單位)-依個案研判日統計
資料維度:地區(縣市別、鄉鎮市區)、日期、性別以及是否為境外移入、確診數
註:此資料集在截稿前(2021–5–27 13:20),仍包含未清除乾淨的資料、資料欄目資訊錯置等問題,使用前記得仔細觀察~
- 傳染病統計資料查詢系統
開放資料集|個人/團體協作|G0v
- 疫情統計-武漢肺炎in臺灣相關整理(google sheet)
開放資料集|媒體|READr
臺灣武漢肺炎確診病例資料
開放資料集|媒體|天下雜誌
疫苗資料
資料集|其他
除了各媒體粉專,還有以下這些頁面能夠追蹤疫情圖表!
天下雜誌
關鍵評論網
聯合新聞網
民視
遠見雜誌
端傳媒
https://theinitium.com/article/20210523-taiwan-covid19-datadashboard-weekly/
中央社
Yahoo 奇摩新聞
READr
👩🏻💼 謝謝你讀到這邊,歡迎拍拍手 👏 鼓勵我們寫更多文章~
謝謝子軒、Steven、Helene、Kerwin 提供編輯意見及媒體工作實務經驗,特別感謝子軒與Steven整理與提供大部分參考案例。
有什麼想法也歡迎留言告訴我們!