Den første visuelle søgemaskine til videnskabelige diagrammer

I 1973 udtænkte statistikeren Francis Anscombe en fascinerende demonstration, der viser, hvorfor data altid skal plottes, før de analyseres. Demonstrationen bestod af fire datasæt, der havde næsten identiske statistiske egenskaber. Ved denne foranstaltning er de i det væsentlige ens.

Men når de er plottet, ser datasættene helt anderledes ud. Anscombes kvartet , som det er blevet kendt, viser, hvordan god grafik giver folk mulighed for at analysere data på en anden måde, tænke og tale om det på et andet niveau.

De fleste videnskabsmænd anerkender vigtigheden af ​​god grafik til at formidle komplekse ideer. Det er svært at beskrive strukturen af ​​DNA, for eksempel uden et diagram.

Og alligevel er der lidt om overhovedet noget bevis, der viser, at god grafik er en vigtig del af den videnskabelige bestræbelse. Betydningen af ​​god grafik kan virke indlysende, men uden beviser er det blot en hypotese.

I dag ændrer det sig takket være arbejdet fra Po-shen Lee hos venner ved University of Washington i Seattle, som har brugt en maskinsynsalgoritme til at søge efter grafik i videnskabelige artikler og derefter analysere og klassificere dem. Dette arbejde afslører for første gang, at grafik spiller en vigtig rolle i den videnskabelige proces. Vi finder en signifikant sammenhæng mellem videnskabelig gennemslagskraft og brugen af ​​visuel information, hvor papirer med højere effekt har en tendens til at inkludere flere diagrammer og i mindre grad flere plots og fotografier, siger de.

Disse fyre begynder med at downloade 4,8 millioner tal fra 650.000 videnskabelige artikler fra onlinedatabasen PubMed Central, som er vært for artikler fra hovedsageligt biovidenskab og biomedicin. Lee og co trænede derefter en machine-vision-algoritme til at opdele multichart-figurer i dets komponenter. Dette øgede databasen til omkring 10 millioner figurer til analyse, hvoraf 67 procent kommer fra multichart-tallene.

Holdet lærte derefter algoritmen at genkende fem forskellige typer figurer: diagrammer, fotos, tabeller, dataplot og ligninger. Det mest almindelige viser sig at være dataplot, som udgør 35 procent af det samlede antal, efterfulgt af fotos (22 procent), diagrammer (20 procent) og ligninger (17 procent). Tabeller udgør kun 5 procent af databasen.

Dernæst analyserede forskerne, hvordan denne fordeling varierede efter tidsskrift, efter disciplin og over tid. Vi oplever, at fordelingen af ​​figurer og figurtyper i litteraturen har været relativt konstant over tid, men kan variere meget på tværs af felt og emne, siger de.

Men deres mest bemærkelsesværdige opdagelse er, at de mest succesrige aviser har en tendens til at have flere figurer. Ved at plotte antallet af diagrammer i et papir i forhold til dets virkning, konkluderer teamet, at ideer med stor effekt har en tendens til at blive formidlet visuelt.

Lee og co siger, at der er to mulige forklaringer på dette: At visuel information forbedrer papirets klarhed, hvilket fører til flere citater og større gennemslagskraft, eller at papirer med høj effekt naturligvis har en tendens til at inkludere nye, komplekse ideer, der kræver visuel forklaring.

Der er selvfølgelig arbejde forude. Lee og co er udmærket klar over PubMed Centrals bias over for biovidenskab og biomedicin. Så et oplagt næste skridt er at inkludere diagrammer fra de fysiske videnskaber. Physics arXiv er en oplagt ressource at udnytte.

Teamet ønsker også at udforske egenskaberne ved forskellige datarepræsentationer. Deres mål er at studere, hvordan forskellige typer diagrammer med succes formidler information og producerer nogle beviser, der kan gøre diagramdesignets sorte kunst til en videnskab.

Det er interessant arbejde, der danner grundlaget for en helt ny form for videnskab. Holdet kalder dette viziometrics, videnskaben om visuel information. Dette afspejler bibliometri, som er det statistiske studie af publikationer, og scientometri, som er studiet af at måle videnskab.

Værkerne efterlader en vigtig arv. Lee og co har gjort deres database søgbar og tilgængelig på www.viziometrics.org . Det giver interessant browsing - indtast et videnskabeligt udtryk, og søgemaskinen returnerer en bred vifte af diagrammer, fotos og så videre, relateret til dette tema.

Det giver videnskabsfolk mulighed for at søge i videnskabelig litteratur på et andet abstraktionsniveau. Med andre ord giver det dem mulighed for at ræsonnere om videnskab og data på en ny måde. Dette er helt sikkert et kraftfuldt nyt værktøj og et, der kan have en dyb indvirkning på den måde, vi producerer, søger efter og får adgang til videnskabelig information. Anscombe ville helt sikkert blive overrasket.

Ref: arxiv.org/abs/1605.04951 : Viziometri: Analyse af visuel information i den videnskabelige litteratur

skjule