Гештальт-принципы восприятия в визуализации данных

Anastasiya Kuznetsova
4 min readJun 6, 2020

Немножко из истории: эти принципы разработаны в 1920-х годах немецкими психологами, чтобы понять, как люди воспринимают и “видят” мир. Их до сих пор используют везде, особенно в дизайне. Ну и без датавиза не обошлось. Здесь я попробую рассказать и показать, что они значат и как их использовать в визуализации данных, чтобы эти штуки, которые сложно звучат, стали понятными и простыми.

Proximity — близость

Если объекты находятся близко друг к другу, мы думаем, что они как-то связаны. На картинке нам сразу кажется, что есть три группы точек, потому что все эти точки находятся близко друг к другу. Для меня в визуализации это прежде всего про расположение: например, заголовки к графикам должны быть достаточно близки к самому графику, чтобы понять, что это подпись именно к нему, а не к чему-то другому. Или же, при создании дэшборда, визуальные элементы про “что-то одно” должны быть ближе друг к другу. Например, у вас есть две группы KPI, основанных на двух разных типах данных: то, что про одно располагайте ближе друг к другу, но между группами всегда делайте расстояние.

Similarity — сходство

Объекты, имеющие одинаковый цвет, форму или размер воспринимаются как связанные или принадлежащие к одной группе. На картинке несмотря на то, что вы все еще четко видите те три группы, кажется, что синие точки схожи между собой и обладают какой-то общей характеристикой. Здесь очень важно правильное использование этого принципа, например, можно нанести цвет на скаттерплот и показать дополнительную характеристику элементов. Но если график просто раскрасить и цвет не будет нести никакой смысловой нагрузки, то воспринимать его станет тяжелее, чем без цвета совсем. Также это способ сфокусировать внимание аудитории на тех элементах, которые вам кажутся важными.

Enclosure — ограждение

Этот принцип похож на близость и говорит о том, что объекты, которые “заключены” внутри одной области, принадлежат к группе. Обычно это про выделение цветом предсказываемых значений в линейных графиках или выделение кружочком чего-то важного. Я часто выделяю группы KPI каким-то фоном и разным цветом, если их нужно расположить на одном дэшборде, но по смыслу они немного про разное.

Closure — замкнутость

Мы любим, чтобы группа объектов вырисовывалась во что-то целое, простое и понятное нам. На картинке, вроде бы, просто набор линий, но в нашей голове четко рисуется круг. В визуализации этот принцип помогает убирать лишнее из графиков и чистить их от ненужных элементов. Например, если вы нарисуете барчарт и уберете ось y со значениями, мы все равно будем знать, что это барчарт. Особенно заметен этот принцип, когда мы убираем ненужные рамочки вокруг графиков, лишние линии, разделители и так далее.

Continuity — непрерывность

Он аналогичен замкнутости: когда мы смотрим на группу объектов, мы пытаемся их сгруппировать. Если они лежат ровно на линии, нам легче их выстроить в ряд и понять, как они организованы. В графиках это в основном про сортировку и порядок. Барчарты лучше сортировать от большего к меньшему, временные графики от прошлого к будущему и так далее. Тогда мы будем воспринимать их как единое непрерывное целое. Также подписи к графику, легенда и прочие визуальные элементы должны находиться в организованном порядке вместе с графиком (выравнивание, отступы и тд).

Connection — соединение

Если объекты связаны, мы воспринимаем их как что-то единое. И этот принцип сильнее общих цветов и форм. Если вы посмотрите на картинку, то несмотря на одинаковый цвет точек и другие схожие характеристики, вы все равно сначала их объедините по принципу соединения друг с другом. Это работает с сетями и линейными графиками — благодаря линиям мы понимаем, что эти точки свзяаны, и предполагаем, что они про что-то одно или же они обладают схожими характеристиками.

Конечно все принципе довольно сильно пересекаются друг с другом и для каждого графика играют свою роль. Они помогают нам понять, как люди видят наши графики: что лишнего можно убрать, а что наоборот стоит выделить. И, в конечном счете, с ними можно сделать визуализацию данных понятнее и эффективнее :)

Статью писала на основании прочитанного из моей любимой книги Knaflic, Cole Nussbaumer. Storytelling with data: A data visualization guide for business professionals. John Wiley & Sons, 2015.

Sign up to discover human stories that deepen your understanding of the world.

Free

Distraction-free reading. No ads.

Organize your knowledge with lists and highlights.

Tell your story. Find your audience.

Membership

Read member-only stories

Support writers you read most

Earn money for your writing

Listen to audio narrations

Read offline with the Medium app

Anastasiya Kuznetsova
Anastasiya Kuznetsova

Written by Anastasiya Kuznetsova

Write about Data Visualization, BI and Tableau. Love sociology, space and urban analytics.

No responses yet

Write a response