Det er faktisk ikke fysisk mulig at hjerneaktiveringen kan ta inn fakta på fakta i en monologform. Bare gjennom å arbeide aktivt med stoffet over tid kan hjernen sørge for at stoffet fester seg, sier lege Jan Helge Halleraker.

I ein artikkel frå Tidsskrift for Den norske legeforening står det vidare at

Det er for øvrig en moderne forestilling, der studenten er aktivt deltakende og i dialog med foreleser Halleraker har i tankene. Han får støtte av Martin Aasbrenn på Tidsskriftets blogg , der Aasbrenn også kommer med konkrete råd til forelesere .
- Sørg for at det finnes en arena på nett der du kan kommunisere asynkront med studentene før og etter undervisningstimen, så strukturert at det ikke øker arbeidsbyrden din stort. Legg opp undervisningen etter diskusjonen med studentene der, oppfordrer Aasbrenn.

Side ein kan sjekke ut: THE CARL WIEMAN SCIENCE EDUCATION INITIATIVE

Fagarkmetoden - ein teknikk eg kan bruke seinare for å vurdere eksperimenta mine ?

The data used in a chart must be in harmony with the question being addressed, as well as the chart type being selected. When people think about data, they often think cleaning the data, processing the data but what comes before that is collecting the data — specifically, collecting data that directly address the question at hand.  (Junk Charts Feb 14, 2012)

Kaiser Fung, the man behind Junk Charts, knows how to do good, small case studies like Where do we look? and Two tales of one dataset

1. «Kart i skolen» er ein fantastisk ressurs (litt for utilgjengelig, tregt og utdatert brukergrensesnitt), men korleis bruker ein den? Eksempel som går direkte på elevane (t.d. oppg.2 i 13.12.2007)
2. «Oljeutsleppet på Statfjord A i 2007». Her tenker eg på ein modell eg tidlegare har kommentert i eit innlegg om interaktive tidslinjer: I 2010 skjedde eit anna oljeutslepp, Deepwater Horizon-utblåsninga, og nola.com illustrerte hendingane ved hjelp av ein interaktiv modell. I tillegg til ein modell som viser korleis alt skjedde, hadde det vore spennande for elevane å sjå statistikkar som kan sette hendinga i ein større samanheng (t.d. ein statistikk over andre oljeutslepp, miljø- og økonomiske konsekvensar osv.) – kanskje noko litt som BBC News sin Crash: Death on Britain’s roads eller LRA Crisis Tracker.

NRK.no har hentet inn data fra Statistisk Sentralbyrås nasjonale informasjonssystem Kostra (KommuneStatRapportering), Oslostatistikken og Utdanningsdirektoratet for å belyse forskjeller i levekår i tidsperioden 2007-2010 på bydelsnivå.

Hovedvariablene er helse, innvandring, oppvekst, økonomi, skole. Under hver av disse har vi listet opp en rekke indikatorer for å belyse dette temaet bredt og riktig.

Hver indikator har fått sitt eget kart, hvor forskjellene markeres visuelt.

Under innsamlingen av dataene har vi hatt en løpende dialog med faglig ekspertise innenfor de ulike fagområdene, for å kvalitetssikre materiale og fokus.

Enkelte ønskelige variabler og indikatorer, som kriminalitet og rusproblematikk, er utlatt i kartet fordi informasjonen ikke er tilgjengelig på bydelsnivå, eller grunnet andre mangler ved materialet. Disse temaene er likevel berørt redaksjonelt i artikler på generelt grunnlag.

Funnene i kartet antyder ikke sammenhenger på samme måte som vitenskapelig arbeid, men brukes journalistisk i artikler sammen med andre kilder.

Forskjeller i levekår mellom bydelene i Oslo har vært gjenstand for politisk diskusjon og vitenskaplig forskning i flere tiår. NRK.nos interaktive kart viser at forskjellene jevnt over holder stand.

Først vil eg berømme NRK for eit kjempearbeid. Her er noke tankar eg har rundt kartet:

Det som slår meg når eg går inn på kartet, er om det er tilpassa skjermen min, eller om eg, alt avhengig av kva skjerm eg ser kartet på, er avhengig av scrolling for å sjå heile. Det viser seg at det er det siste alternativet, som er heilt ok, om det ikkje var for at ein dermed kan gå glipp av viktig informasjon om korleis ein skal lese kartet (som at ein er avhengig av ein skala):

Om menyen: Eit alternativ ein kan velje er å skjule bydelsgrensene, men når dette vert gjort, forsvinn målingane og moglegheitene for å klikke seg inn på bydelane – kartet vert rett og slett eit vanleg kart. Eg skjøner ikkje grunnen til at vi får eit slikt alternativ, men mindre det er for å lettare sjå byen (kanskje i ein kombinasjon av «vis detaljert kart» og «skjul bydelsgrenser» ). Funksjonen har eit godt utgangspunkt, men det hadde vore beire om ein framleis kunne sjå dataen ein har tilgang på når ein viser bydelsgrenser.

At du kan dra deg rundt med peikaren og zoome ved å scrolle inni kartet er deilig, då vert du ikkje avbrutt i utforskinga di fordi du må til høgre for å dra i en scrollbar eller gå opp i hjørnet for å klikke på zoom (Les meir om zooming og panorering i Bret Victor sitt flotte innlegg Gestural Zoom and Pan, og sjå kva løysning han kom fram til at var best). Zoomar du deg langt inn byrjar det å gå treigt, men det er strengt talt ingen grunn til å gjere det uansett (ingen ny informasjon, bortsett frå om ein som tidlegare nemnt har «vis detaljert kart» og «skjul bydelsgrenser» og ynskjer å bruke dette kartet som eit vanleg kart, kvifor no ein enn skulle gjere det).

Når ein klikkar seg inn på ein bydel kjem det opp eit vindu med informasjon om bydelen relatert til ein valgt variabel. Og her kjem det eg reagerar mest på (gjeld for øvrig meir eller mindre heile modellen): kor få spørsmål som vert besvart i forhold til kor mange svar ein kunne fått om framstillinga av dataen var annleis. Og la oss ikkje gløyme korleis dataen har vorte gøymd for lesaren.

Som Edward Tufte skreiv i Visual Explanations: The deep, fundamental question in statistical analysis is “Compared with what?” . Visuell samanlikning er sjølve essensen i informasjonsdesign. Diverre er det vanskeleg å samanlikne data i denne modellen – først og fremst fordi ein faktisk ikkje får lov. Etter å ha valt ein kategori kan ein fyrst sjå talla ved å klikke seg inn på ein bydel. Her kjem det opp ein graf, men ein kan berre samanlikne maks tre variablar (x, y og gjennomsnitt – ein kan til og med ta vekk gjennomsnittet, slik at du alternativt kan sitte igjen med berre x eller y (!)).  Kvifor får vi ikkje velje å vise fleire variablar i grafen? Både fleire variablar innanfor ein kategori OG fleire bydelar. (Og kva funksjon har denne knappen  ? ). Akkurat denne delen av modellen kunne eg ha skrive mykje meir om (den av og til rotete tabellen nederst og dei irriterande store pop-up tekstane som kjem når ein tar peikaren over grafen), men det får verte ein annan gong.

For når vi snakkar om samanlikning: her er skalaen på kartet eit hinder. Skalaen avgjer kva farge det er på dei ulike bydelane, og denne skalaen endrar verdiar óg når ein bytter mellom variablar som fint kan samanliknast (t.d. «Gjennomsnittsinntekt menn» og «Gjennomsnittsinntekt kvinner») – greit å berre forandre talla når ein ikkje orkar å lage ein meir nøyaktig skala, men framstillinga vert forvrengt, og gjer ei samanlikning mellom dei to nesten umogeleg (for meir om dette, les bla. Edward Tufte «Lie Factor»).

Ei løysning på dette kan vere lik den Bret Victor (mannen er fantastisk) laga då han redesigna New York Times sin modell «How Many Housholds Are Like Yours?».

Og for å raskt nemne det, men ikkje gå i detalj: Er ein slik fargekode brukt på kartet det beste alternativet for å vise mengde? Edward Tufte nemner dette kort i boka «The Visual Display of Quantitative Information». Meir om det her (Statistical Graphics and more: color scales on maps) og her (gabrielflor.it)

It’s curious that it hasn’t become more popular, as the chart type is quite elegant and aligns with all of Tufte’s best practices for data visualization, and was created by the master of information design. Why haven’t these charts (christened “slopegraphs” by Tufte about a month ago) taken off the way sparklines did?

In this post, we’re going to look at slopegraphs — what they are, how they’re made, why they haven’t seen a massive uptake so far, and why I think they’re about to become much more popular in the near future.

Tufte, Edward. The Visual Display of Quantitative Information.
Cheshire, Connecticut: Graphics Press; 1983; p. 158

Han skriv om:
- Kvifor han trur denne diagramtypen ikkje har vorte meir populær (komplisert, ny og fram til nyleg namnlaus)
- Kjenneteikna på slopegraphs (It’s like a super-close zoom-in on a line chart, with a little extra labeling)
- Kva program du kan bruke for å lage din eigen slopegraph
- Når dei er gode å bruke(Any time you’d use a line chart to show a progression of univariate data among multiple actors over time, you might have a good candidate for a slopegraph, eller som Tufte sjøl seier: Slopegraphs compare changes over time for a list of nouns located on an ordinal or interval scale)
- Tips og triks om korleis ein kan lage ein god slopegraph
- 4 Case Studies (Ben Fry’s Baseball Chart, The National Geographic Magazine Life-Expectancy Chart, WindingRoad.com Speed Per Dollar og Edward Tufte’s & Kindly Contributor Dave Nash’s Cancer Survival Rates)

Mange vart involvert i debatten om slopegraphs, noko som gjorde at Charlie Park skreiv ei oppdatering i desember:

Nat Torkington frå O’Reilly’s Radar har ei god beskriving av slopegraphs: [slopegraphs convey] rank, value, and delta over time.

I oppdateringa skriv Charlie om:

- Diagram som liknar på slopegraphs («Bumps Charts» (So are bumps charts slopegraphs? Absolutely. Are slopegraphs bumps charts? Not always. I would draw the Venn circle for bumps charts as completely contained within the larger Venn circle of slopegraphs), «Parallel Coordinate Plots» (So are parallel coordinate plots slopegraphs? Generally, I’d say they aren’t. Why? In most PCPs, the slope across the entire chart carries no meaning. The line is there only to aid your eye in tracking an individual agent’s values across the chart. Switching the order of the columns – and changing their slope – doesn’t change the general outcome of the chart.) og «Ladder Graphs» (The key distinction between the two: A ladder graph compares the forced ranking of multiple variables among two groups. A slopegraph, though, would be a good candidate for showing “a progression of univariate data among multiple actors over time”))
- Fleire eksempel på bruk av slopegraphs
- Whiskerslopes (skapt av Mike Stone): om korleis ein kan handtere overlappande etikettar
- Fleire tips & triks (if you have multiple comparisons (as in the cancer slopegraph), maintain a consistent scale for the horizontal alignment of your columns, be clear about whether the “comparison point” on the chart isthe end of the slope line or the data label itself og determine whether you want to highlight the absolute rate of change or the fractional rate of change)

Finn eksempel på diagram på  Junk Charts og på ProcessTrends.com

1983: The Visual Display of Quantitative Information
1990: Envisioning Information
1990: Visual Explanations: Images and Quantities, Evidence and Narrative
2006: Beautiful Evidence

I Visual Explanations: Images and Quantities, Evidence and Narrative viser, diskuterar og analyserar Tufte eksempel på god og dårlig informasjonsdesign. Han peikar på feil og styrkjer ved ulike visuelle framstillingar. Boka er ei øving i kritisk tenking, og handlar om korleis fortelje sanninga og fjerne alle hinder for forståelse mellom designeren og lesaren. Eg saknar å kunne lese om Tufte sin eigen designprosess, det hadde vore fint å vite meir om korleis han har kome fram til konklusjonane. Sjølve boka er også flott, eg likar spesielt den lille detaljen kor ord og symbol som vert henta frå visuelle eksempel og satt inn i teksten får beholde det originale skriftsnittet – lett å finne igjen både frå eksempel til tekst og tekst til eksempel.

Eg noterte ned undervegs nokre småting som eg ynskjer å hugse i framtida:

• Good design brings absolute attention to data and should take into account how, when, and where the information is used.
• The heart of information design is to document and explain a process, to make verbs visible.
• The deep, fundamental question in statistical analysis is “Compared with what?” Comparison exaggerate the impact.
• Repeated variations on the same theme will often clarify and develop an idea.
• Many times size is an expressive factor – use a constant scale (consistent relative scale throughout an entire set, ex. Malevich “0-10″).
• Computer visualizations: remember to show scale, orientation and labels.
• Questions to ask yourself when you make a model: How many? How often? Where? How much? At what rate?
• When assessing evidence, it is helpful to see a full data matrix, all observations for all variables, those private numbers from which the public displays are constructed. No telling what will turn up.
• Information displays should serve the analytic purpose at hand; if the substantive matter is a possible cause-effect relationship, then graphs should organize data so as to illuminate such a link.
• The test of all information design, the integrity of the content displayed: Is the display revealing the truth? Is the representation accurate? Are the data carefully documented? Do the methods of display avoid spurious readings of the data? Are appropriate comparisons and contexts shown?
• Follow the design strategy of the smallest effective difference: make all visual distinctions as subtle as possible, but still clear and effective. Use just notable differences, visual elements that make a clear difference but no more – contrasts that are definite, effective and minimal. Minimal differences allow more differences. This helps in designing the various secondary and structural elements in displays of information – muting the secondary elements will often reduce visual clutter – and thus help to clarify the primary information.
• It is best to avoid designs involving icons and symbols – be simple and clear!
• Parallelism connects visual elements (position, orientation, overlap, synchronization and similarities in content). Congruity of structure across multiple images gives the eye a context for assessing data variation. Parallelism is not simply a matter of design arrangements, for the perceiving mind itself actively works to detect and indeed to generate links, clusters, and matches among assorted visual elements.
• Codes obstruct parallelism; replacing codes with direct labels unifies the information.
• Multiple images reveal repetition and change, pattern and surprise – the defining elements in the idea of information – multiples directly depict comparisons, the essence of statistical thinking. Multiples create visual lists of objects and activities, nouns and verbs, helping viewers to analyze, compare, differentiate, decide. Multiples amplify, intensify, and reinforce the meaning of images.

What Size Am I? av Anna Powell-Smith er morsom, nyttig og berre for oss kvinner (inspirert av The New York Times sin A Different Size 8 for Each Designer)

The New York Times sin “How Many Households Are Like Yours?”.

Bret Victor (den geniale mannen som står bak Kill Math, eit prosjekt eg har skrive om tidlegare) har skrive ein liten case study om denne modellen og redesigna den. Fantastisk.

(Les meir om «Interaction Cubes» her)

TimeMaps, eller the Atlas of World History, er ei samling interaktive kart der målet er å “communicate history in a truly engaging way” – eit flott og ambisiøst prosjekt med forbedringspotensiale. Det kan vere forvirrande å klikke seg rundt på sidene, spesielt fordi linkinga deira er litt rart lagt opp.

BBC har óg laga nokre modellar med tidslinje, som the British History Timeline (fleire eksempel her). Likar at ein kan zoome og  sjå spesielle hendingar som ein graf i tidslinja.

2010 Gulf of Mexico Oil Spill laga av nola.com har animasjonar til si tidslinje.

Riot rumors: how misinformation spread on Twitter during a time of crisis som The Guardian har laga har både animasjonar og graf på tidslinja si, OG den er lett å bruke, OG den er ikkje laga i Flash.

I National Geographic sin Sea Monsters: A Prehistoric Adventure kan man zoome ut og inn på dei ulike kontinenta, men sjølve tidslinja er ikkje så spennande utført.

JPL Climate Time Machine av NASA ser kjedelig ut, men er lett å forstå.

Og her har Google Maps blitt brukt på ein fin måte, i modellen A History of Conflicts.

Deep Time: A History of the Earth av Jamie Brightmore er ei stor tidslinje.

Oppdatering 20.02.12:

BBC News Crash: Death on Britain’s roads

LRA Crisis Tracker

The Cloth Simulation av Andrew Hoyer

Bakemono av Hakim el Hattab

Particles Morph av OutsideOfSociety

Kanskje Workshop / Chrome Experiments kan hjelpe meg?

Og nokre eksempel frå «Lademanns atlas over verdensrummet» av Patrick Moore (1987)

Og ikkje i ei bok, men fin, frå denne nettsida

Mitt første forsøk på å lage informasjonsdesign var i september 2010 (dette var faktisk første gong eg høyrde om informasjonsdesign). 3BA på KHiO skulle ha eit kurs med fantastiske gjestelærar Angela Morelli, og på dei to vekene vi hadde kurset var læringskurva mi bratt. Resultatet vart likevel ikkje som eg håpte; det vart ei fin, men meiningslaus framstilling – den kommuniserte rett og slett for dårlig, og folk hadde problem med å forstå kva eg ville fortelje med den.

Oppgåva mi heitte «How I listen to my songs», og medan eg no vil jobbe med interaktiv informasjonsdesign, var dette ein plakat på 70x100cm. Vi skulle velje eit miljø vi ville utforske, deretter hente data og framstille det på ein interessant og forståeleg måte. Eg valde iPoden min som miljø å utforske, kor eg tok for meg kva songar eg høyrde på, kva songar eg alltid hoppar over og kva songar eg ville høyre litt på for så å avbryte og gå vidare til neste.

Resultat vart ein klassisk plansje. Eg brukte få fargar, skriftsnittet Bodoni, og printa det heile på ubestrøket papir.

Frå og med då har eg forsøkt å tenkje meir på historien bak framstillinga, å finne ein interessant vinkel og prøve å organisere modellane etter slike spørsmål leseren antakelegvis først vil ha svar på.

Cell Size and Scale laga av Learn. Genetics, Genetic Science Learning Center

The Scale of the Universe laga av Cary og Michael Huang tek det litt lenger enn Learn. Genetics