समय के रुझान के लिए एनीमेशन प्रदर्शन

GapMinder की पहली उपस्थिति के बाद से, एनीमेशन, जो जटिल डेटा प्रदर्शित करते समय रुझानों और पैटर्न को प्रदर्शित करने के तरीके के रूप में पहले से अधिक लोकप्रियता हासिल कर चुके हैं। ऐसा लगता है कि लोग अपनी प्रस्तुतियों में अधिक से अधिक विचित्र एनिमेशन एक ला गैमपिंदर दिखाना चाहते हैं, और बाजार पर नए उत्पादों की बढ़ती संख्या जो इस दृश्य शैली को कॉपी करने की कोशिश कर रहे हैं।



कोई शक नहीं, दृश्य में डेटा संचालित एनिमेशन महान हैं। लोग इसे काफी पसंद करने लगे हैं। नतीजतन, शक्तिशाली एनीमेशन सुविधाओं को कई लोकप्रिय सॉफ़्टवेयर पैकेजों में शामिल किया गया है। लेकिन क्या एनीमेशन लोगों को जटिल डेटा को बेहतर रूप से देखने की अनुमति देता है?



माइक्रोसॉफ्ट रिसर्च और जॉर्जिया टेक के कई शोधकर्ता। InfoVis 2008 में इस सवाल का अध्ययन किया और " ट्रेंड विज़ुअलाइज़ेशन में एनीमेशन प्रभावशीलता " नामक दस्तावेज़ में परिणाम प्रस्तुत किए (पीडीएफ)। इस सवाल का एक संक्षिप्त जवाब - स्थिति पर निर्भर करता है।



वैज्ञानिकों ने संयुक्त राष्ट्र के ऐतिहासिक आंकड़ों के आधार पर 3 अलग-अलग डेटा विज़ुअलाइज़ेशन की तुलना की है। उन्होंने परिणाम के साथ सटीकता, गति और व्यक्तिपरक संतुष्टि के संदर्भ में अपनी प्रभावशीलता को मापा।

एनीमेशन: एनिमेटेड बुलबुले के साथ एक मानक कहानी।

छोटे नेटवर्क: मैट्रिक्स का एक स्थिर खंड, जहां प्रत्येक बिंदु एक होता है और प्रारंभिक स्थिति से अंतिम स्थिति तक बुलबुले (देशों) के विकास को दर्शाता है। (नीचे दाएं)।

निशान: एक मानक (स्थिर) तितर बितर साजिश आरेख जिस पर निशान एक दूसरे के ऊपर खींचे जाते हैं। (नीचे बाएं)





एनीमेशन कोई निशान नहीं छोड़ता है, लेकिन बस संक्रमण को बढ़ाता है।



अध्ययन दिलचस्प रूप से 2 दृश्य लक्ष्यों के बीच अंतर करता है: प्रस्तुति और विश्लेषणात्मक, और उनमें से प्रत्येक के प्रदर्शन की तुलना करने के लिए डिज़ाइन किया गया है। तदनुसार, उत्तर इस बात पर निर्भर करता है कि विज़ुअलाइज़ेशन का उद्देश्य क्या था।



यहाँ मुख्य निष्कर्षों का सारांश दिया गया है:

• छोटे नेटवर्क हमेशा दूसरों की तुलना में अधिक सटीक होते हैं।
• प्रस्तुति में एनीमेशन सबसे तेज था (60-70% तेज)।
• विश्लेषण में एनीमेशन सबसे धीमा था (50 से 80% धीमा)।
• लोगों ने एनिमेशन को अधिक दिलचस्प पाया, और उन्हें यह पसंद आया।

लेकिन जब उनसे पूछा गया कि वे कौन सी तकनीक पसंद करेंगे, तो कोई स्पष्ट विजेता नहीं था।



तो, आपने इससे क्या सीखा? और इसे व्यावहारिक सिफारिशों के विमान में कैसे अनुवादित किया जा सकता है? यहाँ वैज्ञानिकों के निष्कर्षों का सारांश दिया गया है:

• प्रस्तुति और विश्लेषण के लक्ष्यों के बीच का अंतर: विश्लेषण और प्रस्तुति के लिए समान तकनीक समान रूप से प्रभावी नहीं हो सकती है। विभिन्न उद्देश्यों के लिए, विभिन्न समाधानों की आवश्यकता होती है।
• प्रस्तुति उद्देश्यों के लिए एनीमेशन पर्याप्त और दिलचस्प हो सकता है: एनीमेशन प्रस्तुति के लिए उपयुक्त है। विशेष रूप से, यदि आप किसी प्रस्तुति में भाग लेना चाहते हैं, तो एनीमेशन एक समानुभूति प्रभाव बनाने में मदद करेगा।
• आपको दर्शकों से सभी विवरणों को समझने की उम्मीद नहीं करनी चाहिए: अध्ययन से पता चला कि लोग बहुत आसानी से भ्रमित हो सकते हैं, और प्रत्येक मामले में डेटा पढ़ने की समग्र सटीकता तकनीक की परवाह किए बिना कम थी।
• और आपको एक अच्छे वक्ता और न्यूनतम डेटा की आवश्यकता होगी: दर्शकों के साथ एक अच्छी बातचीत स्पीकर के गुणों पर बहुत निर्भर करती है। गैपमिंदर मुख्य रूप से महान काम करता है क्योंकि इसका निर्माता एक शानदार वक्ता है। सही तकनीक एक गरीब वक्ता की खामियों को छिपा नहीं सकती है। इसके अलावा, दर्शकों को डेटा के साथ थोड़ा अतिभारित किया जा सकता है। बहुत सारे डेटा पर प्रभाव के अच्छे होने की उम्मीद न करें।

एनीमेशन की समस्या सिर्फ एक अध्ययन से कहीं आगे जाती है। कुछ शोधकर्ता सीमित और संकीर्ण आवेदन की भविष्यवाणी करते हैं, जबकि अन्य अधिक आशावादी होते हैं।



एक क्षेत्र जहां एनीमेशन के लाभ होंगे वे दृश्य राज्यों के बीच संक्रमण का दृश्य है। कुछ जटिल अवधारणाओं को व्यक्त करने के तरीके के रूप में एनीमेशन का उपयोग करते हैं। लेकिन इस मामले में परिणाम विवादास्पद है। अंत में, ऐसे वातावरण में एनीमेशन का अध्ययन करना जहां गतिशील डेटा प्रदान किया गया है, निश्चित रूप से ध्यान देने योग्य है और इसके लिए बहुत अधिक शोध की आवश्यकता होगी।



एनीमेशन इंटरनेट पर अच्छी तरह से वितरित और माना जाता है। निश्चित रूप से डिजाइनर केवल एनीमेशन का उपयोग करते हैं जब वे मानते हैं कि यह एक शानदार परिणाम प्राप्त करने के लिए काम करेगा। हालांकि, एनीमेशन का दर्शकों पर एक मजबूत प्रभाव पड़ता है, और आपको इस लाभ का यथासंभव उपयोग करने का प्रयास करना चाहिए। भविष्य में इस तरह के और शोध देखना अच्छा होगा।