สิ่งที่ควรคำนึงถึง 10 ข้อ ก่อนที่คุณจะสร้างแผนภูมิเกี่ยวกับ COVID-19
สรุปสั้น ๆ — #vizresponsibly; ซึ่งอาจหมายถึงการไม่เสนอแผนภูมิหรือผลงาน visualization ของคุณต่อสาธารณะเลย
แปลจาก Amanda Makulee “Ten Considerations Before You Create Another Chart About COVID-19”
โดย (เรียงตามตัวอักษร) ณัฐธยาน์ อดุลยานุโกศล, ณัฐวุฒิ อดุลยานุโกศล, ภัทรวัต ช่อไม้, และ ดร. ภูริพันธุ์ รุจิขจร
ขณะนี้มีคณะทำงานหลายคณะได้เตรียมชุดข้อมูล COVID-19 ที่เข้าถึงได้อย่างสะดวก ให้เหล่าชุมชมนักพัฒนาการแสดงผลข้อมูล (Data Visualization) และวิเคราะห์ข้อมูล (Data Analysis) ได้นำไปใช้งาน ตัวอย่างเช่น มหาวิทยาลัยทางการแพทย์ Johns Hopkins เพิ่มข้อมูลสถิติบน GitHub อย่างสม่ำเสมอ และ Tableau ก็ได้สร้างศูนย์รวมข้อมูล COVID-19 ที่ปรับรูปแบบข้อมูลให้ใช้งานได้บน Tableau
ข้อมูลสาธารณะเหล่านี้เป็นประโยชน์อย่างมากต่อผู้เชี่ยวชาญด้านสาธารณสุขและหน่วยงานที่ดูแลด้านโรคระบาด เพราะพวกเขาเหล่านี้สามารถนำข้อมูลที่หลากหลายมาใช้พัฒนา แผนภูมิหรือกราฟต่าง ๆ ที่แสดงจำนวนผู้ติดเชื้อและผลกระทบต่อท้องถิ่นได้อย่างรวดเร็ว
ขณะเดียวกัน การถ่ายทอดข้อมูลเรื่องโรคระบาดให้คนรับรู้ก็มีความเสี่ยงระดับสูง แผนภูมิและกราฟ มีประสิทธิภาพในการถ่ายทอดข้อมูล แต่ก็สามารถทำให้เกิดหรือสร้างความเข้าใจผิดได้ ซึ่งในกรณีที่ร้ายแรงที่สุด คือ ทำให้คนแตกตื่นมากเกินไปได้ โดยปัจจุบันเราอยู่ในสถานการณ์ที่ได้รับข่าวสารมากมาย ที่มีการอัปเดตทุกชั่วโมงอย่างไม่รู้จบ
ในฐานะนักวิชาชีพสาธารณสุข ฉันขอตั้งคำถามว่าสิ่งที่คุณพัฒนาและเผยแพร่ต่อสาธารณะ นั้นได้เพิ่มคุณค่าให้กับส่วนรวมและช่วยให้ค้นพบข้อมูลหรือความเข้าใจในมุมมองใหม่ ๆ? หากสิ่งที่คุณทำไม่ได้ตอบคำถามเหล่านี้ สิ่งที่คุณได้ทำอาจจะเหมาะสำหรับการใช้งานของคุณเพียงแค่คนเดียวเท่านั้น
เราต้องการลดภาระของระบบดูแลสุขภาพของเราให้มากที่สุด ซึ่งวิธีที่ดีที่สุดในการแก้ปัญหานี้คือ ทุกคนปฏิบัติตามคำแนะนำต่าง ๆ เพื่อชะลอการแพร่เชื้อ เช่น การล้างมือ การกักตัวเองเมื่อมีความเสี่ยง และช่วยเผยแพร่ข้อมูลจากผู้เชี่ยวชาญ
ถ้าหากหลังจากอ่านคำเตือนเกี่ยวกับผลกระทบด้านการสื่อสารของแผนภูมิและกราฟที่ได้กล่าวไปในเบื้องต้น แล้วคุณยังตัดสินใจที่จะนำข้อมูล COVID-19 มาวิเคราะห์และพัฒนาแผนภูมิและกราฟต่อ นี่คือ 10 ข้อควรคำนึงสำหรับกระบวนการออกแบบที่คุณควรพิจารณา
สิ่งที่ควรคำนึง 10 ข้อสำหรับการแสดงผลข้อมูลเกี่ยวกับ COVID-19
1.พยายามทำความเข้าใจกับตัวเลขข้อมูล แทนที่จะเพียงแค่ดาวน์โหลดและเริ่มใช้งานชุดข้อมูลเลย
เราไม่สามารถนำ ข้อมูลจำนวนผู้ติดเชื้อ COVID-19 มาใช้หรือนำมาแสดงผลในรูปแบบต่าง ๆ ได้ทันที แบบต้องไม่คิดหรือพิจารณาอะไรเลย โดยเฉพาะอย่างยิ่งถ้าคุณวางแผนที่จะนำเสนอต่อสาธารณะ
คุณต้องตรวจสอบแหล่งข้อมูลของโรค COVID-19 และไวรัส SARS-CoV2 (novel coronavirus ที่เป็นสาเหตุของโรค) โดยอาจจะเริ่มต้นด้วย แหล่งเว็บไซต์ที่ทาง Centers for Disease Control and Prevention (CDC) ได้จัดทำขึ้น และเรียนรู้เพิ่มเติมบนเว็บไซต์ของมหาวิทยาลัย Johns Hopkins [ผู้แปล: เว็บไซต์ของกรมควบคุมโรค]
โดยทั่วไป คุณควรเข้าใจบริบทของข้อมูลที่คุณใช้งาน แต่บริบทของข้อมูลเป็นสิ่งจำเป็นอย่างมาก เมื่อสร้างและเผยแพร่แผนภูมิและกราฟในระหว่างช่วงการมีโรคแพร่ระบาด เพราะแผนภูมิและกราฟเหล่านั้นอาจทำให้เกิดความตื่นตระหนกพอ ๆ กันกับที่มีโอกาสสื่อสารข้อมูลเพื่อให้คนทั่วไปรู้
2.จำนวนผู้ติดเชื้อเป็นแหล่งข้อมูลที่หาง่าย พร้อมใช้งาน และมีการอัพเดตเป็นประจำจากหลาย ๆ แหล่งข้อมูล แต่การแสดงผลข้อมูลเหล่านี้ก็ยังไม่ง่าย
คุณสามารถค้นหาจำนวนผู้ติดเชื้อจากแหล่งข้อมูลที่เก็บข้อมูลเอง เช่น CDC กระทรวงสาธารณสุข กรมอนามัย เป็นต้น และแหล่งข้อมูลอื่น ๆ ที่รวบรวมข้อมูลหลายชุดมาไว้ในที่เดียว (ยกตัวอย่างเช่น ชุดข้อมูลของ Johns Hopkins COVID-19 operations dashboard)
จำนวนผู้ติดเชื้อดูเหมือนจะใช้ได้ดีในการแสดงผลแบบแผนที่ และสามารถตอบคำถามที่เกี่ยวข้องกับคนแต่ละคนได้ดี เช่น “มีผู้ติดเชื้ออยู่ย่านที่เราอยู่อาศัย สถานที่ที่เราไปเที่ยวมา หรือกำลังจะไปหรือไม่?” — แต่การแสดงผลข้อมูลเหล่านี้สามารถทำให้เข้าใจผิดได้ง่าย
เราควรแสดงประเภทของเคสต่าง ๆ ให้ชัดเจน โดยเราสามารถค้นหาคำจำกัดความของผู้ติดเชื้อบนเว็บไซต์ WHO [ผู้แปล: เว็บไซต์กระทรวงสาธารณสุข] หากคุณกำลังจะทำแผนที่สำหรับยอดผู้ติดเชื้อ โปรดอ่านคำแนะนำของ Kenneth Field สำหรับการทำแผนที่สำหรับข้อมูลโรค COVID-19 ก่อนที่จะเริ่มลงมือทำของคุณเอง (ดูหมายเหตุเพิ่มเติมเกี่ยวกับข้อควรพิจารณาสำหรับแผนภูมิและกราฟในข้อ 5 ด้านล่าง)
3. การคำนวนสรุปรวมยอดผู้ติดเชื้อในรูปแบบต่าง ๆ อาจไม่ควรทำ
เครื่องมืออย่างเช่น Tableau ทำให้การพัฒนาแผนภูมิ กราฟ หรือแผนที่ นั้นทำได้อย่างรวดเร็ว รวมไปถึงการคำนวณสรุปรวมตัวเลขเหล่านี้ด้วย นอกจากนี้การแสดงผลข้อมูลเพื่อเปรียบเทียบระหว่างกลุ่ม หรือประเทศต่าง ๆ เป็นเรื่องปกติ แต่อย่างไรก็ตาม การแสดงผลข้อมูล COVID-19 นั้น ต้องสะท้อนถึงหลักการพื้นฐานของระบาดวิทยาด้วย
คำจำกัดความของแต่ละเคส รวมถึงคำจำกัดความที่เกี่ยวข้องกับ COVID-19 นั้นแตกต่างกันไม่มาก ซึ่งอาจจะทำให้ข้อมูลนำมาใช้ร่วมกันไม่ได้ การคำนวณตัวชี้วัดในด้านสาธารณสุข ยกตัวอย่างเช่น อัตราเสียชีวิตมีคำจำกัดความเฉพาะที่ใช้เพื่อทำความเข้าใจและติดตามการแพร่กระจายของโรคและผลกระทบต่อมนุษย์ แค่เพียงเพราะคุณสามารถใช้คณิตศาสตร์กับสถิติสุขภาพได้ นั้นไม่ได้หมายความว่าคุณควรทำ
ตัวอย่างหนึ่ง ได้แก่ แผนภูมิที่แสดงข้อมูลเกี่ยวกับ COVID-19 โดยสรุปจำนวนผู้เสียชีวิตทั้งหมดและหารกับจำนวนวันตั้งแต่โรคระบาดได้เริ่มขึ้น ซึ่งผลลัพธ์คือยอดผู้เสียชีวิตต่อวัน จากนั้นคำนวณและเปรียบเทียบตัวเลขเดียวกันนี้ของโรคอื่น ๆ ถ้ามองในแง่ดี นี่เป็นการเปรียบเทียบที่ไม่ถูกต้อง เนื่องจากความรู้และข้อมูลเกี่ยวกับชุดทดสอบและการรักษาโรค COVID-19 แตกต่างจากโรคอื่น ๆ ถ้ามองในแง่ลบ แผนภูมินี้ไม่ได้แสดงถึงความร้ายแรงของโรค COVID-19 อย่างชัดเจนและทำให้ผู้คนไม่สนใจคำแนะนำของผู้เชี่ยวชาญด้านสุขภาพในเรื่องการเว้นระยะห่างทางสังคม (social distancing) และพฤติกรรมต่าง ๆ ที่บุคคลทั่วไปสามารถพึงทำได้เพื่อช่วยชะลอการระบาดของไวรัส
นอกจากนั้น การกำหนดอัตราส่วนของประชากรที่ติดเชื้อ หรือ อัตราส่วนของผู้ติดเชื้อที่เสียชีวิตเป็นการคำนวณที่ท้าทายและค่อนข้างยาก เพราะความไม่แน่นอนของตัวหาร เมื่อคำนวณอัตราใด ๆ ต้องคำนวณด้วยความระมัดระวังอย่างมาก ถ้าเป็นไปได้ เราควรปล่อยเรื่องการคำนวณอัตราเหล่านี้ให้เป็นหน้าที่ของนักระบาดวิทยา
4. เมื่อคาดการณ์หรือเปรียบเทียบข้อมูลเฉพาะภูมิภาคต้องทำอย่างระมัดระวัง
หลายปัจจัยส่งผลต่อการแพร่กระจายและผลกระทบของไวรัส เช่น มาตรการจากทางรัฐบาลเพื่อควบคุมการแพร่กระจายและสถิติประชากร
เนื่องจากปัจจัยที่แตกต่างกันเหล่านี้ ให้พิจารณาว่าอะไรเป็นปัจจัยเบื้องหลังข้อมูล เมื่อทำการเปรียบเทียบระหว่างประเทศที่มีขนาดประชากร สภาพแวดล้อมทางการเมือง และระบบสาธารณสุขที่แตกต่างกัน
ยกตัวอย่างเช่น ประเทศอิตาลีมีอัตราผู้สูงอายุมากกว่าประเทศจีนหรือสหรัฐอเมริกา เนื่องจากผู้สูงอายุเป็นผู้มีความเสี่ยงสูงและมีแนวโน้มที่จะต้องได้รับการดูแลรักษาในโรงพยาบาลมากกว่า ร้อยละของผู้ติดเชื้อที่ต้องเข้ารับการรักษาในโรงพยาบาล ในอิตาลีอาจจะมีสูงกว่าประเทศอื่นที่ประชากรมีอายุเฉลี่ยต่ำกว่า (ข้อมูลเพิ่มเติมเกี่ยวกับวิธีที่สถิติประชากรมีอิทธิพลต่อผลลัพธ์ในอิตาลี)
5. แผนภูมิและกราฟควรสื่อสารข้อมูล และเปิดเผยอย่างสัตย์ซื่อว่าไม่ได้แสดงข้อมูลใด
ข้อมูลที่เรามีนั้นมีความไม่แน่นอนอยู่มาก โดยเฉพาะอย่างยิ่งเมื่อพยายามขยายความไปใช้สำหรับกลุ่มประชากรทั่วไป การแยกแยะและพิจารณาเคสของโรคที่เกิดใหม่ในกลุ่มประชากรย่อยสามารถช่วยให้เราเข้าใจโรคนี้ได้ดีมากขึ้น
จำนวนผู้ติดเชื้อที่ได้รับการยืนยันเป็นเพียงส่วนหนึ่งของผู้ติดเชื้อและตัวเลขนั้นขึ้นอยู่กับปัจจัยด้านพฤติกรรมเกี่ยวกับสุขภาพ (ถ้าฉันป่วย ฉันควรไปพบแพทย์ดีไหม?) จำนวนชุดตรวจมีพอไหม (ถ้าฉันไปพบแพทย์ ฉันจะได้รับการทดสอบหรือไม่?) และปัจจัยด้านระบบสุขภาพและดุลพินิจอื่น ๆ
โรค COVID-19 นั้นไม่ใช่โทษประหารชีวิตและการแสดงแผนภูมิและภาพนั้นจำเป็นต้องสะท้อนให้เห็นสิ่งนั้น จำนวนคนที่รักษาหายสามารถสร้างบริบทข้อมูลที่จำเป็นต่อการแสดงจำนวนผู้ติดเชื้อ
สำคัญที่สุด: การคำนวณค่าต่าง ๆ เช่น อัตราส่วนของผู้ติดเชื้อที่เสียชีวิต ถือว่าเป็นงานท้าทาย ถ้าเราไม่มีตัวหารที่ถูกต้อง เราควรปล่อยให้การคำนวณค่าเหล่านี้เป็นหน้าที่ของนักระบาดวิทยา
6. นักระบาดวิทยาและหน่วยงานด้านสาธารณสุขสร้างแบบจำลองที่ซับซ้อนเพื่อทำความเข้าใจว่าโรคนี้จะปรับเปลี่ยนไปอย่างไร
ข้อมูลเหล่านี้มีแนวโน้มที่จะไม่ถูกแสดงบน Dashboard แต่บางครั้งก็ถูกอ้างอิงผ่านแผนภูมิและกราฟที่เป็นภาพนิ่ง ประโยชน์ของการใช้ผลลัพธ์จากแบบจำลองของ WHO, CDC และผู้เชี่ยวชาญด้านสาธารณสุขอื่น ๆ คือผลลัพธ์เหล่านี้ได้มักผ่านการตรวจสอบก่อนที่จะนำมาใช้
หากต้องการรวมตัวเลขเหล่านี้ในแผนภูมิหรือกราฟนั้น คุณต้องดำเนินการด้วยความรอบคอบ: แบบจำลองนั้นซับซ้อน เพราะพยายามที่จะอธิบายพฤติกรรมของไวรัส มนุษย์ และปัจจัยต่าง ๆ ซึ่งทำให้ แบบจำลองเปลี่ยนแปลงได้ หากคุณใช้ข้อมูลจากแบบจำลอง ให้ลองบันทึกข้อมูลที่ป้อนและแหล่งข้อมูลอย่างละเอียดก่อน
7. นักวิทยาศาตร์ข้อมูลและนักสถิติได้เผยแพร่แบบจำลองของตัวเองและข้อสรุปที่เกี่ยวข้องกับการคาดการณ์โรคเช่นกัน
คุณต้องระมัดระวังการแสดงผลข้อมูลในแผนภูมิและกราฟ รวมถึงการวิเคราะห์ของคุณด้วย เว้นแต่ว่าแบบจำลองเหล่านั้นมีแหล่งที่มาและคำอธิบายที่ถูกต้องและครบถ้วน จะดีมากถ้าได้รับการรับรองโดยนักระบาดวิทยาหรือบุคคลอื่นที่มีความเชี่ยวชาญด้านนี้
แบบจำลองของโรคมีความซับซ้อน (ดูข้อ 6) การคำนวณแบบง่าย ๆ อาจทำให้เกิดความกลัวมากกว่าเป็นประโยชน์
8. พิจารณาออกแบบอย่างรอบคอบ
คุณยังคงมุ่งมั่นที่จะสร้างแผนภูมิและกราฟเกี่ยวกับ COVID-19 หรือไม่? โปรดศึกษาแนวทางการสร้างแผนภูมิและกราฟอย่างมีความรับผิดชอบในบริบทนี้ ก่อนที่จะเผยแพร่สิ่งที่คุณทำ
Datawrapper ได้ทำการรวบรวมตัวอย่าง แผนภูมิและกราฟสำหรับโรค COVID-19 พร้อมบันทึกการตัดสินใจในการออกแบบที่พวกเขาใช้
- เราแสดงเคสปัจจุบันหรือยืนยันแล้วโดยใช้สีอื่นที่ไม่ใช่สีแดง ไวรัส Corona นั้น ไม่ใช่โทษประหารชีวิต ผู้ติดเชื้อส่วนใหญ่จะสามารถรักษาหาย หากคุณติดเชื้อ คุณต้องการเห็นตัวเองบนแผนที่ เป็นจุดสีน้ำเงิน (หรือสีเหลือง หรือสีเนื้อ หรือสีม่วง ฯลฯ) ไม่ใช่เป็นสีแดงซึ่งแสดงออกถึง “ความสนใจ, อันตราย, วิ่ง!” เราแสดงการเสียชีวิตเป็นสีดำไม่ใช่สีแดง — ซึ่งรู้สึกแสดงความเคารพต่อผู้เสียชีวิตมากกว่า
- เราแสดงจำนวนทั้งหมดคู่กับจำนวนสัมพัทธ์ เรายังคงแสดงจำนวนเคสทั้งหมด (ซึ่งนั่นคือสิ่งที่เราทุกคนสนใจ) แต่เราก็ยังแสดงความสัมพันธ์ของตัวเลขเหล่านั้นด้วย เช่น แสดงตัวเลขในตาราง โดยเราสามารถใช้ประโยค เช่น “นั่นคือ 3 ใน 1 ล้านคน” หรือ “1 ใน 200,000 คน”
- เราหลีกเลี่ยงการแสดงจำนวนเคสสะสม เมื่อเราดู Dashboard ของไวรัส Corona หลาย ๆ อัน เช่น จากมหาวิทยาลัย Johns Hopkins เรามักจะพบ “ตัวเลขจำนวนติดเชื้อที่ยืนยันแล้วทั้งหมด” แต่ผู้ติดเชื้อ COVID-19 จำนวนมากฟื้นตัวแล้วหรือใกล้จะฟื้นตัวเต็มที่ แทนที่จะเป็นเคสสะสม เรามักจะแสดงจำนวนผู้ติดเชื้อปัจจุบัน — ซึ่งมีค่าต่ำกว่ามาก
- เราใช้สัญลักษณ์แทนค่าข้อมูลบนแผนที่แทนที่จะใช้เฉดสี ถ้าเราใช้เฉดสี รัฐหนึ่ง ๆ จะโดนแสดงด้วยสีที่ดูอันตรายเพียงเพราะ 5 ใน 20 ล้านคนติดเชื้อ? การใช้เฉดสีอาจจะแสดงข้อมูลไม่ได้สัดส่วนกันกับข้อมูล เราจึงใช้สัญลักษณ์บนแผนที่เพื่อแสดงถึงผู้ติดเชื้อ แต่สัญลักษณ์บนแผนที่ก็ไม่ใช่ทางออกที่ดีที่สุดเช่นกัน เพราะสัญลักษณ์ต้องมีขนาดใหญ่ (มาก) ถึงจะมีประโยชน์ และเมื่อใช้กับระดับประเทศ มันดูเหมือนว่ามีคนติดเชื้อทั้งหมดมารวมกันที่เดียว แต่อย่างน้อยที่สุด สัญลักษณ์เหล่านั้นไม่ได้แสดงว่าประเทศทั้งประเทศที่คุณอาศัยอยู่เป็นพื้นที่อันตราย
อ้างอิงจาก “What we considered when making these visualizations” จากทีมงานสุดเจ๋งที่ Datawrapper
เราแนะนำให้อ่านคำแนะนำและคำวิจารณ์เพิ่มเติมเกี่ยวกับการแสดงข้อมูล COVID-19 จาก Evan Peck
9. นึกถึงความเป็นมนุษย์ของสิ่งที่คุณสร้าง
ใช้คำที่ถูกต้อง (ดูคำจำกัดความของ WHO สำหรับผู้ติดเชื้อ COVID-19, คำอธิบายเรื่อง R0 และอภิธานศัพท์ หรือ Glossary ของ CDC) และอธิบายค่าแต่ละตัว อย่างชัดเจนสำหรับผู้ชมแผนภูมิและชาร์ตของคุณ ซึ่งอาจเป็นในเชิงอรรถ (footnote) ชื่อเรื่อง หัวข้อย่อย คำบรรยาย หรือคำจำกัดความประกอบ ฯลฯ โดยต้องมั่นใจว่าเรามีสิ่งเหล่านี้มีอยู่ครบถ้วน
คำนึงถึงภาษาที่คุณใช้ในแผนภูมิและกราฟ
โปรดจำไว้ว่าทุกจุดข้อมูล (data point) ในชุดข้อมูลโรค COVID-19 คือ คน หากคุณไม่สบายใจที่คนจากกลุ่มที่มีความเสี่ยงสูงอ่านสิ่งที่คุณเขียนอยู่ โปรดพิจารณาแก้ไขใหม่
10. พิจารณาว่าการสร้างแผนภูมิหรือกราฟ สามารถส่งผลกระทบ (และส่งเสริม) ความรับผิดชอบต่อสังคมอย่างไร เมื่อเรามองการระบาดของโรค COVID-19 ในสังคมของเรา
กักกันตัวเองตามความเหมาะสม และตรวจสอบให้แน่ใจว่าเราจะไม่ตราหน้าผู้ที่มาจากประเทศและภูมิภาคที่มีผู้ติดเชื้อจำนวนมาก ลองทำความเข้าใจกับขั้นตอนเพิ่มเติม ในสิ่งที่คุณสามารถทำได้เพื่อชะลอการแพร่กระจายของไวรัสในสังคมของคุณ
และสุดท้ายหากคุณรู้สึกว่าคุณไม่มีความรู้ด้านสาธารณสุข เพียงพอสำหรับการพูดคุยเกี่ยวกับผู้ติดเชื้อ COVID-19 ให้ลองพิจารณาสร้างแผนภูมิหรือกราฟ จากข้อมูลที่เกี่ยวข้องอื่น ๆ แทน เช่น ข้อมูลผลกระทบในสังคมข้อมูลการระบาดของโรคไม่ใช่ชุดข้อมูลที่คุณจะนำมาใช้เล่น เพื่อให้มีผลงานบางอย่างไปโชว์บน Twitter [ผู้แปล: รวมไปถึง Facebook และ social media อื่น ๆ]
Amanda Makulec เป็นหัวหน้าฝ่าย Data Visualization ระดับสูงที่ Excella และจบปริญญาโทด้านสาธารณสุขจาก School of Public Health มหาวิทยาลัย Boston เธอทำงานกับข้อมูลในโครงการสุขภาพระดับโลกเป็นเวลา 8 ปีก่อนที่จะทำงานกับ Excella ซึ่งเธอเป็นผู้นำทีมและพัฒนาผลิตภัณฑ์ data visualization ที่เน้นผู้ใช้เป็นศูนย์กลาง สำหรับลูกค้าระดับรัฐบาลกลาง องค์กรที่ไม่หวังผลกำไรและลูกค้าภาคเอกชน คุณอแมนดาได้เป็นอาสาสมัครในฐานะผู้อำนวยการฝ่ายปฏิบัติการสำหรับ Data Visualization Society และเป็นผู้ร่วมจัดงาน Data Visualization DC สามารถติดตามเธอบน Twitter ได้ที่ @abmakulec
ขอบคุณ Alyssa Bell สำหรับการแก้ไขบทความให้ชัดเจน อย่างรวดเร็วและยอดเยี่ยม
