טבלאות הן לא כוס התה שלי. ויש לזה סיבה טובה.
אביב. זמן מצוין לתכנן את הקיץ הקרוב.
אז בשבועות האחרונים, אני בעיצומו של מבצע לאיתור הטיסות הטובות ביותר לקיץ.
מכל מנועי החיפוש, אני ממש אוהבת את המנוע של גוגל Google flights. חפרתי בו לא מעט כדי למצוא את הטיסה הכי מתאימה מבחינת שעות, מחיר וכו׳. במהלך השיטוטים הארוכים שלי באתר, פתאום ראיתי כפתור קטן שכתוב עליו Data grid, ולידו כפתור נוסף בשם Price graph. כמובן שישר התרגשתי. כזו אני, כשיש אפשרות לצפות במידע מאורגן ויזואלית - אני שם. והנה גרף!!! איזה כיף.
בתוך שלל האפשרויות לטיסות, היה לי ברור שגרף טוב יקצר לי הרבה חיפושים, ויפתור לי הרבה התלבטויות לגבי הטיסה המתאימה ביותר. איך אני אוהבת את התחושה הזו, שאני עומדת להבין משהו מורכב בקלות. בכל פעם שיש לי אפשרות לראות משהו בגרף, עולה בי ההתרגשות הזאת מחדש 🤩.
אז התחלתי עם האופציה של Data grid. האופציה הזו מציגה את מחירי הטיסות בטבלה, שבה אפשר לעשות הצלבה בין תאריכים שונים להלוך (בעמודות) ולחזור (בשורות) ולראות את המחיר הכולל במשבצת הרלוונטית. המחירים הזולים ביותר והיקרים ביותר בטבלה מודגשים בצבעים אדום וירוק בהתאמה.
האמת, יצאתי מבולבלת מהטבלה הזו.
היא מעמיסה יותר מדי אופציות בבת אחת, התאמצתי לנווט בתוכה, והשימוש בצבע לא ממש הקל עליי.
אבל אז עברתי ל-Price graph, ומולו, חזרתי לחייך.
קיבלתי גרף עמודות שעזר לי לראות בקלות את הפרשי המחירים, ראיתי בבירור מתי הכי זול לטוס, ואפילו היתה לי אפשרות לבחור לכמה ימים אני רוצה לטוס והגרף התאים את עצמו.
אז למה הטבלה עבדה לי פחות טוב מאשר הגרף?
בגלל ש- Pre-attentive Attributes - עובדים טוב יותר בגרף, ופחות טוב בטבלה.
__________________________
Pre-attentive Attributes - רואים עוד לפני שמתבוננים
תכונות טרום-קשב או Pre-attentive Attributes , מתייחסות למאפיינים החזותיים של אובייקט שניתן לתפוס במהירות, ללא צורך בתשומת לב ממוקדת - כלומר, לפני הקשב המודע שאנחנו מפעילים. הן כוללות פרמטרים כמו צבע, צורה, גודל, כיוון ומיקום מרחבי. מכיוון שהמוח שלנו קולט ומעבד את התכונות הללו באופן אוטומטי ולא מודע, אפשר לעשות בהן שימוש מכריע בתפיסת תשומת הלב של הצופה והכוונתו למידע החשוב בגרף. במילים פשוטות, תכונות טרום-קשב מאפשרות לנו לכוון את הצופים למה שאנחנו רוצים שהם יראו לפני שהם רואים את זה. אם נשתמש בהן היטב, חווית הניווט במידע תהיה קלה לצופה בצורה משמעותית. אחרת, הוא עלול ללכת לאיבוד בגרף ולהתאמץ כדי לחפש את המידע שחשוב לו.
קחו למשל גרף עמודות בצבע אחיד, ואז תצבעווצבעו עמודה מסוימת בצבע שונה מהשאר. כדי להתמקד במידע שהעמודה הזו מציגה, הצופה יצטרך להקדיש הרבה פחות תשומת לבתשומת הלב הנדרשת מצד הצופה תהיה פחותה משמעותית, מאשר במקרה שאותה עמודה הייתה צבועה באותו צבע כמו האחרות. צבע שונה מושך אוטומטית את העין ומקצר את הדרך להתמקד ישירות בעמודה הזו, וכך מבליט לצופה את הסיפור המעניין בגרף.
כאמור, צבע הוא רק מאפיין אחד. יש רבים אחרים, כמו שאפשר לראות בתמונה הבאה.
כמה דוגמאות לשימוש ב - Pre-attentive Attributes
__________________________
אורך עדיף על צבע
אבל למה בעצם גרף העמודות, שהיה אחיד בצבעו, היה עדיף לקשב שלי על פני הטבלה עם הצבעים?
כי בתוך הPre-attentive Attributes יש היררכיה.
גם בטווח הקליטה המהיר שאנחנו עוסקים בו כאן, יש תכונות שהמוח מפרש בצורה מהירה יותר מאחרות.
בספרו The Functional Art הציג Alberto Cairo קיירו קרא לשיטה שלו hierarchy of elementary perceptual tasks - היררכית משימות התפיסה היסודיות, בתרגום חופשי - והוא התבסס באיפיון שלה על המאמר של שני סטטיסטיקאים ששמותיהם William S. Cleveland ו-Robert McGill, שבחנו את התפיסה הויזואלית בגרפים בשנות ה-80. הנה הקישור למאמר שלהם.
כפי שמוצג כאן, השיטה של Cairo מאפשרת להבין את סדר מהירות וחדות הקליטה של כל כלי ויזואלי. אפשר להבין איזה סוג של כלים ויזואליים מהירים יותר לתפיסה (במעלה השרטוט) ואילו תכונות דורשות יותר זמן ומאמץ מצד הצופה, ויביאו אותו להערכות פחות מדויקות על בסיס הגרף (במורד השרטוט). אפשר לראות שמיקום ואורך עדיפים משמעותית מחישוב זוויות, שטחים ונפח, שהשימוש בצבע הכי פחות יעיל. ואם כבר, אז עדיף השימוש בגוונים של אותו צבע, שמספר על הקשר בין הנתונים קצת יותר בקלות מאשר שימוש בצבעים שונים.
אז בפעם הבאה שתבחרו איך להציג את הדאטה שלכם, תקחו בחשבון שיש דרכים שיהיו מהירות ונוחות יותר לתפיסה ולהבנה, וכאלו שפחות. חשבו מה המסר שתרצו שהגרף יעביר לצופים, ואיזו תכונת טרום-קשב תעזור בהצגה הויזואלית להעביר את המסר הזה בקלות הרבה ביותר.
ומה עם הטיסה, אתם שואלים? מאוד מרוצה מהדיל שמצאתי 🙂