2017-10-14 Geoアクティビティコンテストでデザイン賞を受賞しました

IMG_2863

2017年10月12日から14日まで、日本科学未来館で開催された「G空間EXPO 2017」Geoアクティビティコンテストに出展しました。

出展したのは、開発中のWebアプリ「DataMapp」(現在公開準備中)です。統計データを地図上にビジュアライズするシンプルなWebアプリです。13日のプレゼンテーション審査で評価いただき、「デザイン賞」を受賞しました。ありがたいことに、公開を期待する声など、多くの反響をいただきました。DataMappにご関心のある方は、杉本までご連絡ください。今後の動きをお知らせいたします。

これまでつながりのないイベントでしたが、人工衛星からドローン、GIS、AR、VRなど、地理空間情報にかんする産官学のさまざまな展示があり、勉強になりました。

展示では多くの地理空間情報業界のみなさんに声をかけていただきました。いただいたご意見やご感想は、つぎのように要約できるとおもいます。地図、とりわけ「主題図」と呼ばれる特定主題を詳細に表現した地図が、分析や意思決定に活用される場面が増えていて、データを効果的に表現するデザインの需要が高まっている。そのため、DataMappのようなデザイン主導の取り組みに期待しているということでした。

メインステージが展示場所にちかかったため、講演プログラムもたのしみました。

このコンテストに出展していたプロジェクトは、最優秀賞を受賞したドローンを利用した水田分析(なんと高校生!)など、いずれもとても面白かったです。わたしがとくに興味をひかれたのは、MIERUNE社の地図配信サービス「MIERUNE地図」です。これはOpenStreetMapをベースにした地図で、スタイルデザインが抜群に美しく、すばらしかったです。このような美しい地図が、Web上の地図の標準になってほしいなと感じました。

関連リンク
G空間EXPO2017|2017年10/12(木)・13(金)・14(土)開催!
【地図ウォッチ】 「Geoアクティビティコンテスト」最優秀賞は、愛媛・伊予農業高校の2年生 – INTERNET Watch

Linked Open Data チャレンジ Japan 2016 ビジュアライゼーション部門 最優秀賞 受賞

先日発表された「LODチャレンジ2016」(Linked Open Data チャレンジ Japan 2016)のビジュアライゼーション部門で最優秀賞を受賞しました。LODチャレンジは、新たなデータづくり、データ公開、データ共有の仕掛けやオープンデータ活用のアイディア、アプリケーションなどを募集しているイベントです。実行委員会は有志のみなさんの組織です。

2017年3月11日に東京大学で開催された授賞式シンポジウムには、残念ながら参加できませんでしたが、後日たいへん立派な賞状を送っていただきました。「可視化法学」でアイディア部門最優秀賞を受賞された芝尾幸一郎さんはIAMAS時代からの友人でお会いたかったです。

受賞した作品「bibliomaps ビブリオマップ神戸版」は、地名にまつわる文芸作品を地図にマッピングし、地名が登場する前後の文脈を原稿用紙風にビジュアライズした鑑賞型のWebアプリケーションです。文学館の展示のように、作家が生きていた時代や場所、執筆風景を想像できるように工夫しました。昨年開催された神戸市とバルセロナ市の国際連携ワークショップ「WORLD DATA VIZ CHALLENGE 2016」の参加をきっかけに制作したものです。まだ粗削りなので、ブラッシュアップしたいなとおもっています。

賞状に書かれていたコメントをご紹介します。

オープンで良質な日本語のテキストである青空文庫を対象にして、地名を軸に構築したデータを趣のある作品としてまとめている点が素晴らしいです。オープンデータの活用という観点と、強く印象に残るビジュアルという観点の両方において高く評価いたしました。
さらにDBpedia Japaneseなど他のオープンデータと繋いで別の文脈を可視化するなどの発展性も期待できます。


「データの見える化による地域課題解決ワークショップ」第2回で話題提供しました

2016年11月25日、佐賀大学で開催された「データの見える化による地域課題解決ワークショップ」第2回で、第1回にひきつづき話題提供しました。

Code for Saga(コードフォーサガ) × 佐賀大学
「データの見える化で地域課題を解決しよう」第2回
http://code4saga.org/archives/385

私からは、データビジュアライゼーションのデザイン指針の考え方とツールを紹介しました。

後半のアイデアソンでは、いくつもの「見える化」のアイデアが発表されました。

わたしのスライドはこちらです。
杉本達應,2016,「データビジュアライゼーションのツール」。

Code for Sagaの牛島清豪さんによる活動レポートです。

データの見える化による…ワークショップ第2回目 | Code for Saga

2016年前半のビジュアライゼーション10選

この記事は、10 significant visualisation developments: January to June 2016 の日本語訳です。
原著者の許諾を得ています。転載はご遠慮ください。

2016年前半のビジュアライゼーション10選

By Andy Kirk | July 27, 2016
Translation: Tatsuo Sugimoto

1年の中間と最後の節目に、データビジュアライゼーション分野の過去半年間を振り返り、優れたプロジェクト集を編むことにしています。ここにあるのは、主要なプロジェクトやイベント、新規サイト、トレンド、パーソナリティー、概説で、この分野の発展に寄与するものだと感じたものです。

今年はじめに2015年後半のコレクションを発表しましたが、これから2016年前半を振り返りたいとおもいます。みなさんから、もっとも重要だと思われるプロジェクトの提案が寄せられるのを楽しみにしています。

それでは、いつものように順不同でいきます。

1. 気象スパイラル(Climate spirals)

レディング大学の気象科学者、エド・ホーキング(Ed Hawkins)博士による、1850年から現在にいたる世界規模の気温をアニメにした渦巻き状のプロットは、ソーシャルメディアで拡散しました。地球の気候が劇的に変化したことをもっとも納得させてくれる図解であるという人もいました。

2. PolicyVizポッドキャスト

ジョン・シュワビッシュ(Jon Schwabish)のPolicyVizポッドキャストは1年以上つづいています。とくにこの半年間は、この分野全般で頭角をあらわすのにふさわしい存在になったと感じます。ジョンは自然なカリスマ的ホストで、インタビューします。エピソードの中とその合間の両方に、すばらしいリズムを作りあげました。エピソード中は、スタイル、アングル、会話のペースを通じたリズムがあり、その合間には、この分野の多様性をあらゆる角度からカバーしようと連絡帳をたくみに手繰っているリズムがあるのです。例をあげるだけでも、エドワード・タフティ(Edward Tufte)やウィリアム・クリーブランド(William Cleveland)が登場するなど、彼はなかなか声を聞けない著名人にもたどりついています。約20〜25分間という長さは、60分近くの長さになりがちな根強い人気のData Storiesのエピソードへの、つかみやすいガイドになります。

3. リサ・ロスト(Lisa Rost)

リサは、ナイト=モジラ・オープンニュース(Knight-Mozilla OpenNews)のNPRビジュアルチーム内のフェローで、ワシントンDCを拠点にしています。ずっと前からリサと彼女の作品を知っていましたが、この半年間、ビジュアライゼーションの話題に対する貢献において、彼女はますます多作でよく見るようになりました。2つの対照的な成果があります。(1)12種類のツール12種類のライブラリを使いまったく同じチャートを制作する作業を比べた大変すばらしい作品と、(2)NPRにいる期間中、作品に関するブログを毎日書いていることです。わたしは、地球の大陸上にある有名な都市の緯度を並べたこの作品もとても気に入っています。

4. Polygraph

Polygraphは私にとって新しいものではありませんが、2016年のマット・ダニエルズ(Matt Daniels)たちのチームによる作品のクオリティと「興味深さ」(文字通りの意味)は本当にすばらしいとおもいます。Polygraphの目的は、「複雑な話題についてのカジュアルな議論をつくりだす作品」を提供することです。他の多くのサイトと異なるのは、わたしの見るところ、人気音楽の進化ハリウッドの男女格差と映画への影響時代を超えた不朽の名曲などの話題を探究する、ポピュラー文化関連の話題に分け入り、魅力的な一連のデータドリブンの調査へと駆り立てるコアな好奇心が明快にあることです。すばらしいData Storiesエピソード74では、マットの作品関する情報があり議論をしています。

5. レナ・グロージャー(Lena Groeger)の「ビジュアル・エビデンス」記事

わたしのサイトをくまなく読んでいる読者の方は、わたしがレナ・グロージャーのデータビズに関する考えの大ファンだと聞いても驚かないでしょう。以前の投稿(20142015)で彼女の作品を賞賛しましたし、今回ふたたび彼女のすぐれた新シリーズ、鋭い長文の「ビジュアル・エビデンス」記事(Flipboardコレクションはこちら)は、「日常生活のなかのデータとビジュアルデザイン」という関心のとてもニッチな断片の深みに達しています。やかんを火にかけ、紅茶をいれ、読む時間をとりましょう。

6. 上空のスパイ(Spies in the Skies)

これは、すでに受賞歴をもつデータジャーナリズムのプロジェクトで、Buzzfeedニュースのピーター・オールドハウス(Peter Aldhous)とチャールズ・セイフ(Charles Seife)によるものです。FBIと国土安全保障省(DHS)のエージェントが操縦する米国政府の航空機が、アメリカの都市の上空を定期的に航行しているパターンを分析しています。プロジェクトの記事が説明するように、「これまでほとんど世間の目にさらされることのなかった政府の空中監視活動の規模と広がりの実態を、BuzzFeedニュースがはじめて解明」しています。このプロジェクトは、データ処理の高度さ、調査の切り口の見事さ、ビジュアルのすばらしさなど、いくつも核心を突いていて、さまざまな評者から多くの称賛を受けています。

7. 月曜日のリニューアル(Makeover Monday)

これは、アンディ・クリーベル(Andy Kriebel)とアンディ・コトグレーブ(Andy Cotgreave)によるすばらしいコンセプトで、毎週のチャレンジをベースとしています。既存のプロジェクトからデータを取得し、ことなる潜在的な創造の道を探るリデザインを提案することをTableauコミュニティに呼びかけています。年間を通じて、作品のリデザインを制作するたいへん熱心な人々へと広がりました。重要なこととして、ここには無根拠な批判ではなく、全体にしっかりとした建設的な批評精神がありました。

8. 円グラフの研究

ロバート・コサラ(Robert Kosara)とドリュー・スカウ(Drew Skau)は円グラフに関する重要なあたらな研究を共同発表しました。「円グラフだって? 円グラフが悪で本当にダメな理由くらい全部分かってるよ」という人も中にはいるかもしれません。それでもこの研究はたいへん重要です。なぜなら、「円グラフをどうやって読みとるか知っていますか? 一般に言われているように、角度で読みとりますか、それとも円弧の長さで、もしかして面積でしょうか?」という質問に答えるにあたって、ロバートとドリューは、それが角度だという主張を裏付ける研究がなかったことを発見したからです。また、「円グラフを読みとる方法についての常識はほぼ確実に間違っていて、わたしたちが考えている以上に複雑」だったのです。2つの論文が、(1)「円弧、角度、面積:円グラフ、ドーナツグラフの個々のデータのエンコーディング」、 (2)「円グラフのバリエーションにおける判定エラー」を考察しています。

9. 変化を遂げるニューヨークタイムズのインタラクティブ

ニューヨーク・タイムズのだれかが話すと、みなさんは耳を傾け学びますが、アーチー・チェ(Archie Tse)がMalofiej 24〔インフォグラフィックス世界サミット〕で「なぜインタラクティブ要素を減らしたか」というタイトルでトークするときこそ、本当に耳を傾け学ぶときです。わたしはその場にいなかったので、最前線だと確証させてくれたこのトークを見ていません。しかしその内容から重要であることは明らかです。トークの主要な論点を繰り返すつもりはありません。自分でこれを吟味するだけで(とても短いです)、「ビジュアル・ストーリーテリングの3つのルール」が分かります。そしてNYTグラフィックスチームが、ユーザが明らかに要求し、応答するようなタイプの経験を作りあげるよう取り組みを変化させた主な方法も理解できるでしょう。

10. データジャーナリズムの「不都合な真実」

新聞をベースにしたビジュアルジャーナリズムの話題で、ワシントンポストのWonk Blogのクリストファー・イングラハム(Christopher Ingraham)によるこの記事は、まさに私の心に訴えかけてきました。それは、「うわべだけの権威と客観性」について語っています。数字やグラフィカルな表現は、読者によく伝わります。しかし、作り手であるわれわれは、何を見せ、何を入れ、どう見せるかについて多くの主観的な判断を挟んでいるのです。

そのほか

そのほかの2016年前半のハイライトです。

ケネディ・エリオット(Kennedy Elliott)のOpenVisトーク

ワシントンポストについて話していたら、あと2つの彼らの作品や同僚がありました。第1に、このとても興味深いトークと記事で、ケネディは、「人間の知覚に関する39の研究」の調査を振り返り議論しています。

NFLドラフトヒストリー

第2に(第3といったほうがいいかも)、このNFLドラフトヒストリーの分析は、信じられないほど詳細でカスタマイズ可能で変化に富んでいます。

FTのアプローチの変化

すでに昨年の半年間レビューでFT〔フィナンシャル・タイムズ〕が発表するビジュアライゼーション作品の変化と品質については指摘していましたが、これは本当に素敵な報告です。特にアラン・スミス(Alan Smith)がこのチームに入ってから数ヶ月で、この変化が起きました。

Chriming

枝、木、森のメタファーで鳥の鳴き声をビジュアライズしたソウルのスー・コ(Sook Ko)の美しい作品。

ナディー・ブレマー(Nadieh Bremer)

上で紹介したリサと同じく、ナディーは、(自己紹介によれば)「天文学者からデータサイエンティストそして独学のデータビジュアライゼーションデザイナー」です。魅力的なビジュアルプロジェクトやチュートリアル、トーク、リソースレビューを幅広く手がけていて、今年とてもアクティブでよく目にします。

WSJのハミルトン

ミュージカル『ハミルトン』についての本当にイノベーティブな作品で、「音楽史上もっとも密で複雑な韻を踏んでいる歌詞が実際どのようになっているか」を調べています。

ニコラス・ルージュ(Nicholas Rougeux)

ニコラスもデザイナーで、この数ヶ月わたしのアンテナにいつもひっかかっています。彼は面白く独創的で、非常にエレガントなビジュアライゼーションを探究しています。

Flag Stories

理論的にはとてもシンプルなテーマですが、たいへん素敵で密度の濃い、世界中の国旗の属性を調査したビジュアル分析が並んでいます。デンマークのスタジオferdios制作。

タマラ・マンツナー(Tamara Munzner)のあらたなブログ

タマラがブログを始めたおかげで、世の中よくなりました。

著者紹介

アンディ・カーク(Andy Kirk)は、イギリス在住のフリーランスのデータビジュアライゼーションの専門家でトレーナーです。
www.visualisingdata.com

Data Visualisation: A Handbook for Data Driven Design
Andy Kirk
SAGE Publications Ltd
売り上げランキング: 7,628

日本デザイン学会でポスター発表しました

2016年7月2日(土)、長野大学で開催された「日本デザイン学会第63回春季研究発表大会」のポスターセッションで発表しました。

日本デザイン学会第63回春季研究発表大会
2016年7月2日
於:長野大学

発表タイトルとポスターは、以下の通りです。

杉本達應「手軽に扱えるデータ駆動型地図表現ツールの提案:『DataMapper』のプロトタイプ開発」

発表の梗概はこちらで公開されています。
http://doi.org/10.11247/jssd.63.0_208

セッションでは、たくさんのご意見をいただきありがとうございました。統計データを可視化するこのデータビジュアライゼーション・ツールは目下開発中ですが、今後公開を目指します。試用されたい方、ユーザーテストにご協力いただける方は、ぜひご連絡ください。

データビジュアライゼーションの色を学ぼう

この記事は、Your Friendly Guide to Colors in Data Visualisation の日本語訳です。
原著者の許諾を得ています。転載はご遠慮ください。

データビジュアライゼーションの色を学ぼう

Original text: Lisa Charlotte Rost
Published: 22 Apr 2016
Translation: Tatsuo Sugimoto

先日、急を要していたわたしは「色をうまく扱う方法をだれか教えてくれない? わたしの色のセンスはひどいんです」と、Twitterフォロワーのみなさんに助けを求めました。スコット・マレイ(Scott Murray)がリツイートしてくれたおかげで、Webサイトやツールのリンクつきのリプライをたくさんもらいました。どの情報もすばらしかったので、わたしの意見をつけながら、みなさんと共有したいとおもいます。それでは始めましょう。

なぜ色なのか

最初に、このビデオを見てください。色を選びとることの大切さと混色の方法を説明しています。まず、色を使う主な理由をまとめておきましょう。色が重要なのは、(1)色がムードを作りあげ、(2)鑑賞者の視線を誘導し、何がしかに注目させ、さらにあるストーリーを伝えるからです。

どちらの側面もデータビジュアライゼーションにとっては重要です。たとえば、Pitch Interactiveの“Out of Sight, Out of Mind”〔『見えざる狂気』パキスタンでのドローン攻撃のビジュアライズ〕では、特有のムードが非常にうまく作りあげられています。赤い滴りは、血液が広がっているのを見ているようです。データビズでは、鑑賞者の視線を誘導する重要なツールとして、強調させるのに色をよく使います。わたしは、アンディ・カーク(Andy Kirk)のすばらしい記事を示しながら、「グレーはデータビズにおける最高の相棒だ」とよく学生に伝えています。

さて自分のプロジェクトで、どのように色を決めるとよいでしょうか。わたしは、データビズの色に関しては、2つの課題があるとおもいます。連続的/分岐的データと質的データです。連続的/分岐的データとは低い値から高い値へ進むデータのことで、グラデーションを必要とします。質的データとはカテゴリー群で、「わたしは一人きりよ。他の色とは何の関係もないんだからね!」と叫ぶ色を必要とします。

実際に利用するとき、この2つの課題はそれぞれ異なります。グラデーションを使っている場合、ステップごとの違いが充分なのかが気になります。明るいグリーンともっと明るいグリーンの違いを、鑑賞者にきちんと区別してほしいからです。次のセクションで、この問題を解決するためのツールを紹介します。

質的データを扱っている場合、バランスがとれていて鑑賞者の目もひくカラーセットを探す必要があります。この問題はグラフィックデザイン分野では定番なので、そのためのツールがよく使われています。第2部「配色」で、そうしたツールを紹介していきます。

1. データビズ・グラデーション

まずはColorBrewer 2.0を紹介しないといけません。この「カラーツールのカラーツール」は、意欲的なデータビズ・デザイナーのためのものです。ColorBrewerは単なるツールではありません。色を決めている間に、データビズにおけるベストな色使いを学習することができます。まだ試したことのない方は、ヘルプをクリックし素晴らしい解説を読んでください。

便利なうえに色をしっかり理解できるようになるツールが、トリステン・ブラウン(Tristen Brown)の“Colorpicker for data”です。グラデーションを選択するのに加え、自分で独自のグラデーションをいくつも作りだすことができます。トップの“Visualized”ボタンに注目してください。自分が作ったグラデーションを使ったコロプレス(塗り分け)地図を表示します。この地図がカラーピッカーと同じページにないのが残念ですが、何もないよりはいいですよね。

グレゴール・アイシュ(Gregor Aisch)のChroma.js Color Scale Helperはグラデーションを表示するだけでなく、実際のステップを表示し、最も大きな差があるステップを見つけやすくしてくれます。この小さなツールは、わたしが一番よく使っているツールです。このツールの背景に興味がある人は、グレゴールによる詳しい解説をどうぞ。

これらのツールをすべてマスターし、さらに追求したい方には、I want hueがよいでしょう。これは、「データサイエンティストのための色」をうたっていて、実際かなり複雑なのでチュートリアルが用意されています。初心者が理解しやすいツールとはいえないことは確かで、わたしが求めているよりも盛りだくさんすぎる気がします(間違っていたら教えてください)。色の差の度合いを示す絵文字はいい感じですけどね。

2a. 配色──巨匠から学ぶ

グラデーションを終えたら、カラーパレットに進みましょう。わたしがTwitterで質問したときに、3名の人が画家をすすめてくれたので、画家のことを知りたいというニーズがあるようです。実をいうと、わたしは昔の巨匠たちにとても感謝しています。バウハウス大学の卒業生として、アルバースイッテンらから特別な何かを得られることを知っています(元ワイマール市民として、ゲーテの色彩論からも楽しみを得られることも知っています)。ところがご存知のとおり、彼らの時代の色は今とは違います。当時は、明るいネオングリーンについて考えることになろうとは思いも寄りませんでした。とはいえ色彩構成に関する彼らの著作からは、いまなお学ぶことがあることは確かです。

ジョセフ・アルバース(Josef Albers)の著作“Interaction of Color”から始めましょう。彼は、「視覚的認知において、ある色が現実のままに──物理的に──見えることはほとんどない」など、色の本質について語りました。それにアルバースの色彩構成は、ほんとうに美しいです。

もう一人のバウハウスのスター(バウハウスでアルバースの師でもある)が、一風変わったヨハネス・イッテン(Johannes Itten)であり、彼の著作“The Art of Color”です。このように色相をあらわした色立体でよく知られています。

もちろん「色彩の巨匠」として米国の画家、マーク・ロスコ(Mark Rothko)に触れないわけにはいきません。色彩を描いた巨大な絵画で有名です。おもしろいことに、ロスコは広く知られたつぎのような言葉を残しています。「色の関係だけに心を動かされていたとしたら核心をつかんでいません。わたしの興味は大きな感情を表現することにあるのです。」色が関係することで、こうした大きな感情を表現できていることは間違いないので、わたしはこの言葉を理解できたのか自信がありません。

(感情と言えば、小林重順『カラーリスト』 という面白い本があります。彼は「色彩心理学」の研究者で「色彩美学の脱神秘化」に取り組みました。)

徐々に現代に戻りましょう。ColorLisaというWebサイトは、アーティストのカラーパレットを見せてくれます。アイデアはいいのですが、やっていることが単純で、すぐにページを離れたくなってしまいます。

2b. 配色──映画から学ぶ

アートからポピュラーカルチャー関連の現象である映画に移りましょう。ストーリーテリングの達人は、目立たせたり、視線を導いたり、ムードを作りあげたり、楽しく感じてもらったりするために、映画がどのように色を扱っているのかを知っています。

映画のコマの色からなるカラーパレットは、Film Palettes や、よりくわしくはMovies in Colorで見ることができます。The Colors of Motionは、アーティスティックなアプローチで映画の全てのフレームの色を見せています。実用性はともかく、とても興味深いです。

ウェス・アンダーソン(Wes Anderson)は、色彩を上手に操る人物です。Wes Anderson Palletesは、ある意味伝説的です。このブログに触発されて作られた、Wes Anderson Color Palettes用のRライブラリまで存在するほどです。

自分のムービーや手持ちの画像の色を調べたいときは、DeGraeveのようなツールが便利です。写真をアップロードすると、カラーパレットが自動的に作成されます。ご覧の通り、パレットは「見た」色よりもかなり地味な色合いになってしまいます。

そのためこのツールは、写真やムービーのフレームで「見た」ままのカラーパレットを作成するのに多少は役立つかもしれません。自動的なアプローチやカラーピッカーでできるカラーパレットは、見ていた色よりも色あせてしまうため、うまくいくとは限らないのです。ビル・ハート=デービッドソン(Bill Hart-Davidson)は、カラーパレットの元として熱帯魚の写真を使うことをすすめてくれ、それでこのツールがうまく働くこともあることを確認できました。そういうわけでアートやグラフィックデザイン作品には、DeGraeveのようなツールが確かに有効です。

2c. 配色──その他のものから学ぶ

世の中には数多くのカラーパレットのコレクションが存在します。 ColorHuntColourLoversCoolorsLOLcolors、それにもちろんAdobe Color CCは、世界中のカラー愛好者がやみつきになって作成した数多くのコレクションの一例にすぎません。とくにデジタルでかっこいいカラーパレットがお望みなら、Googleのマテリアルデザインのカラーパレットがぴったりでしょう。

こうしたパレットを実際どのように使えばよいのでしょうか。 DesignspirationDribbleのカラー検索オプションは、この疑問に答えてくれます。わたしはこの2つのサイトで、手持ちのパレットにマッチする色の着想を得るのに使っています。個人的にはDesignspirationがお気に入りです。とにかくこのサイトのファンなんです。ここでは1色だけでなく複数の色を検索することができます。

もっと大きな感覚でインスピレーションを得るには、こんなこともおすすめです。ミュージアムやギャラリーに足を運ぶ。アートを見る。ほかのデータビジュアライゼーションを見る。The Coloristのような、カラー愛好者のブログを読む。

2d. 配色──自分で作る

Smashing Magazineは、自分でカラーパレットをすばやく作るためのよい入門を掲載しています。わたしは、メインの色に混じり気のないグレーを重ねる「調和的グレーの作成」というアイデアをとくに気に入っています。これまで考えたことがなかったアイデアでしたが、自分のカラーパレットを調和的に感じさせるようにできます。

Smashing Magazineは、Adobe Color CCの高度版であるPalettonの利用も紹介しています。やっていることが分かっていれば、このツールが大いに役立ちます。

3. 色覚異常

すばらしい配色が見つかりましたか。よかった! それでは、その色が目的にかなっているか、色覚異常の人たちにも区別できるかを確認しましょう。一般的に赤と青の違いを色覚異常の人たちに説明するのは難しいとされていますが、実際にはイメージ上の赤や青の色合いによって変わります。Spectrumのようなブラウザの拡張機能は、異なる色覚をもつ人たちが見る色をシミュレートでき、とても参考になります。

4. 色で楽しもう!

それでは最後に、すてきなOK GOメンバーによるセサミストリートのビデオを見ましょう。

見ましたか? 次はゲームで遊びましょう。Colorという名前のゲームです。(いい名前です)(同じ単語を何度も聞いていると言葉の意味が消えていきますね…)思ったよりも中毒性があります。色を合わせてくださいね。それではどうぞ。

わたしのツイートにリプライし、いろんな楽しみを見つけさせくれた皆さんに感謝します! 今ではずいぶん色と仲良しになれた気がします。もしこの記事に欠かせないツールやWebサイトをご存知でしたら、ぜひお知らせください。Twitterでわたしを見つけるか、メールをお送りください。[email protected]

日本語関連書籍

この記事に関連する情報源として、日本語の本をいくつか紹介します。

色彩論
色彩論

posted with amazlet at 16.05.19
ヨハネス・イッテン
美術出版社
売り上げランキング: 49,371

ヨハネス・イッテンによる色彩調和の理論『アート・オブ・カラー』のダイジェスト版の日本語訳。イッテンは、20世紀初頭のドイツの伝説的なデザイン学校バウハウスで一時期教鞭をとっています。(Amazonの商品説明がなぜかゲーテの『色彩論』の説明になっているので注意)

MARK ROTHKO
MARK ROTHKO

posted with amazlet at 16.05.19
川村記念美術館
淡交社
売り上げランキング: 385,443

巨大な色面の作品で知られているマーク・ロスコの作品集。千葉県佐倉市にある川村記念美術館にはマーク・ロスコの作品が常設されていておすすめです。

配色の設計 ―色の知覚と相互作用 Interaction of Color
ジョセフ・アルバース(Josef Albers)
ビー・エヌ・エヌ新社
売り上げランキング: 27,941

1963年に刊行されたジョセフ・アルバースによる色彩実験・教育に関する書籍『インタラクション・オブ・カラー』の50周年記念版の日本語版がまもなく刊行されます。(しばらく邦訳『色彩構成』は品切れでした)

色彩論 (ちくま学芸文庫)
J.W.V. ゲーテ
筑摩書房
売り上げランキング: 23,056

自然科学者としても数々の研究を残した文豪ゲーテによる、1810年に発表された色彩研究。ニュートンのスペクトル分析とは別のアプローチで色の性質を探究していて興味深いです。

カラーリスト -色彩心理ハンドブック-
小林 重順
講談社
売り上げランキング: 160,078

記事中に紹介されていた本。英語版もあるそうです。

データビジュアライゼーション 役立つ情報源(デザイン面を中心に)

データビジュアライゼーション 役立つ情報源(デザイン面を中心に)

随時更新しています。

データビジュアライゼーションとは

ツール

D3.js

Java Script ライブラリ

Leaflet

Java Script ライブラリ

コミュニティ

研究者

ブログ

  • GUNMA GIS GEEK
    清水正行さん D3、GIS,オープンデータなどの話題

ポッドキャスト

報道機関

カンファレンス・イベントなど

オープンデータなど

事例

データビジュアライゼーション

インフォグラフィックス

書籍

地図がウソをつくとき 専門家による地図にだまされないコツ

この記事は、When Maps Lieの日本語訳です。
CityLab.com編集部の許諾を得ています。転載はご遠慮ください。

地図がウソをつくとき
専門家による地図にだまされないコツ

Original Article: When Maps Lie
Text: Andrew Wiseman
Published: Jun 25, 2015
Translate: Tatsuo Sugimoto

この地図にはなにか意味があるのでしょうか。(iQoncept / Shutterstock.com)

このところ地図は大きな話題です。ブログや(このサイトなどの)ニュースサイトが、「世界を説明する40の地図」、「全米各州で人気のTV番組」といった地図をしょっちゅう掲載しては、よく拡散されています。こうした地図は、Facebook、Twitter、Tumblrで広がっていて、報道機関も、デジタル空間で地図の持つ明らかなパワーを当然利用しています。地図は、大量のデータを素早く効果的に視覚化することができます。ところが地図は、大量のデータを不正確にも誤解を招くようにも視覚化することができてしまいます。

地図はただの絵ではありません。地図は、その背後にあるデータや、データの収集と解析に使われる方法論、そうした作業をおこなう人々、視覚化における選択、制作に使われるソフトウェアでもあります。地図は世界の代わりにもなりますが、多少の不正確さは残っているものです。ほとんどの地図は、球面上の世界を平面にして表します。全てを同時に見せられる地図がないように、何かしら消し去られたり強調されるのが常です。意識していようがいまいが、全ての選択やバイアスが地図そのものに大きな影響を与えます。私たちは気づかぬうちに、不正確だったり、誤解を招いたり、間違ったりしているものを見ているかもしれないのです。

アメリカ国民は幼い頃から、言葉の意味や使い方を分析し理解することを学びます。ところが地図に関しては、そうした技術を学ぶことはほとんどありません。

名著『地図は嘘つきである』(How to Lie With Maps)でマーク・モンモニア(Mark Monmonier)が書いたように、(彼の言葉を借りれば「言葉の慎重な消費者」になるように)アメリカ国民は幼い頃から、広告、政治キャンペーン、ニュースなどの言葉の意味や使い方を分析し理解することを学びます。ところが地図に関しては、そうした技術を学ぶことはほとんどありません。

地図は嘘つきである
地図は嘘つきである

posted with amazlet at 16.04.17
マーク モンモニア
晶文社
売り上げランキング: 874,458

地図を使う教育(と地理全般)は、全米の学校では不十分で一般的ではありません。高校の飛び級試験の人文地理学は、2001年に始まったばかりです。多くのトップ私立大学は、科目として地理を課していません。ハーバード大学は、1948年に地理を削除し、研究者からは全国で地理の学習が減少しはじめたことに非難の声があがりました。

数多くの研究が、大多数のアメリカ人には地理的リテラシーが欠けていて、地図上でアフガニスタンやイラクなどの場所を見つけることができないと報告しています。ましてや、それらがどこにあり、なぜそこにあり、ほかのことにどう影響するのかといった、複雑な空間的関係を理解することなどできません。(ハーバード大学の名誉のためにいっておくと、同大学は2006年に地理学的分析センターを設立しています。)こうしたことを思い浮かべても、多くのアメリカ人は地理といえば、単に州都を覚えたり、ナショナルジオグラフィックのクールな動物写真を見たりすることだと考えているのです。

人々が地図をたいてい正確だと思い込んでいることは驚くことではありません。なぜなら地図がどのように作られているのかは、ほとんど知られていないからです。モンモニアが言うように、地図は「過剰な敬意と信憑性をもたらす神秘的なイメージ」であり、「高度な技術をもつデザイナーと製図者という聖職に託された」ものなのです。言葉はほぼだれでも書けますが、全員が地図を作ることはできません。

その一方で、コンピュータやソフトウェアが強力かつ安くなり、地理情報システム(GIS)の利用が爆発的に拡大しました。新たなWeb地図ツールとデータの公開で、従来専門家や専用ソフトのユーザしかできなかった地図制作の民主化が進み、だれでも地図を作れるようになりました。つまり、より多くの人が自分で地図を作るようになったのです。これは確かに良いことです。しかし、(拡散を煽ったり特定の視点を押し付ける)デザインや、自分のやっていることを完全に理解していない制作者による、精密さを欠いた不正確な地図も大量に出回ってしまっています。

地図というのは、たとえ精密でなくとも楽しいものです。とはいえ地図にだまされないように、頭の片隅にとどめておけるちょっとしたコツがあります。

タイトルを信じない

よき地図制作者は、大風呂敷を広げずに、地図が示すことを正確かつ簡潔に説明しなければいけません。最近の事例に、「成長期を過ごすのに最良な地域と最悪な地域」というタイトルがついたニューヨークタイムズの記事とインタラクティブな地図があります。説明するまでもないタイトルかもしれませんが、この地図の背後にあるデータは、人々が育った場所によってどれほどのお金を稼いでいるかを示しているだけです。とても興味深い発見ではありますが、収入の多寡から、ある場所で育つのが他の場所よりも良いとは必ずしもいえません。これは定義が難しい問題で、間違いなく多くの変数が絡んでいるからです。ある場所は物価が低く、良い学校や良い保健施設があり、いろいろなレクリエーションが用意されているかもしれません。事実、この記事ではそうした議論がなされています。

アリゾナ州マリコパ郡では、貧しい家庭の子ども平均的な所得移動があります。全郡の約48%より上位です。(The New York Times)

データは非常に魅力的に提示され、実際読者が閲覧している場所によってこの地図は印象的に変化しています。しかしこのタイトルは、何を示そうとしたかを本当に示してはいません。地図を見ただけでその土地の良し悪しを判断したとしたら、この記事の全体像を見過ごすことになります。アトランタやデンバーは、育つのに悪い場所でしょうか。ワイオミング州、ユタ州、南北ダコタ州、田舎のミネソタ州やアイオワ州が最良の場所でしょうか。良いか悪いかは、あなたが何を最良で何を最悪だととらえるかで変わります。

地図のタイトルがついた赤い旗は、アメージング、インクレディブル、ゴージャスなどの〔バイラルメディアの〕Upworthy的な言葉で、全てを明らかにしたと主張しているはずです。「このすばらしい地図は、わずか数都市で全米の生産量の半分を占めていることをあらわす」というように。データとマップの作られ方をしっかり調べると、こうした大げさなタイトルが見掛け倒しであることがよくあります。

国内総生産(GDP)を示したこの地図では、都市部の住民が地方の住民よりも生産的に見えますが、実際に示しているのは、この国のGDPの50%が人口の50%によって生産されているということです。かなり多くの人々が地方よりも都市部に住んでいるので、とくに驚くべき話ではありません。興味深い地図は人口当たりのGDPでしょう。ある地域は他の地域よりも生産的ですか? それはなぜ?(私が学生に伝えたいのは、良い地図は唯一の解ではなく疑問をひきだすこともあるということです。)似た事例に、米国のエイズ事案の92%が25の州で発生していることを示す地図があります。しかし別の記事によると、米国の人口の大部分はその25の州に住んでいます。つまりこの結果は、ほぼ想定の範囲内なのです。各州の内部のばらつき具合を地図に示せば、より興味深いものになるでしょう。

タイトルは、人々がどのように地図を解釈するかの問題でもあり、良い地図がデータの情報源を地図自体に(詳細についてはその直後に)載せなければいけない理由でもあります。例えば、この「コーポレート・ステーツ・オブ・アメリカ」の地図は、各州で「最も有名な」会社を示していると謳っています。しかし「最も有名」とは、どんな意味でしょうか。この地図の作者は正直に、企業の認知率や市場価値といった実際のデータの裏付けはなく、単にその州をもっとも代表すると自分で考えた企業だと説明しています。ですからフロリダが、自州の代表がフーターズだからといって恥じる必要はないのです。別の有名な地図に、各州のご当地バンド(他州よりも人気のあるバンド)地図があります。この地図は、存在するデータをもとにしていて、「あなたの州のお気に入りバンド」として共有されました。この2つの事例は別物です。

こうした「アメージング」な地図は、たいてい誰かが構成したものでしかないのです。だからといって、そうした地図がイケてないとか楽しくないわけではもちろんありません。(事実その地図はイケてるはずです。美しくないマップはシェアされませんから。)

情報源は大切

地図のデータの情報源は、最初に見つけるべきことのひとつです。この情報はどこから来ているか。信頼できる情報源か。最新の情報か。自分で確認できるものか。

情報源が掲載されていなかったらご用心。ただし掲載されていても、注意しなければいけません。たとえば最近、もっとも嫌われている大学バスケットチームの地図が口コミで拡散しました。この制作者は、自身をキュレーターとする小さなメタデータを掲載していて参考になります。ところがデータ自体は、Redditの大学バスケットボール板に投稿された2問のGoogle Docsのアンケートによるもので、アメリカ国民の全体像をあらわすことはできません。このアンケートは出身地の回答が必須でしたが、回答者はわざとウソをつくことができました。デューク大学が嫌いな人は、データを歪めるためにノースカロライナ出身だといつわることもできたのです。

この地図の正確な説明は、「自主的に回答したReddit大学バスケットボール板ユーザーの中でもっとも嫌われている大学バスケットボールチーム」となるでしょう。このような説明文は、読者がたどれるようにするのではなく、しっかり地図上に示しておくべきです。このように表記していたら、嫌われているというチームの本拠地で発行している新聞が、この地図を取り上げることはなかったでしょう。

全米各州の代表的食べ物
この地図のデータを信じられますか。よく見てください。(via Playboy)

これは取るに足らない無害な事例です。嫌いな大学バスケ地図が正しいかどうかなんてどうでもいいですよね。でも同じことが、政治、健康、宗教など、あらゆる種類のデータでできてしまいます。

情報源にすぐに辿り着けると、偏りがないか、データ通りに作られているかを確かめられます。面白い例に、州ごとの「門外不出。本当に多い死因」があります。この地図には、トロール、ロシアの侵略、モンスター、〔牛乳を消化できない〕乳糖不耐症などが並んでいます。これは明らかにバイラルマップのパロディです。各州で最も人気の映画や仕事や食べ物、あるいは死因のような重大な話題を示すバイラルマップは、誤解を招き、複数の州にまたがっている多様性を隠してしまうおそれがあります。

「各州の特徴的な食物」「各州でいちばん人気のテレビ番組」(それともいちばん大きな影響をもつ番組? 繰り返しますがタイトルは重要です)といったバイラルマップは、Redditユーザを発祥とすることもあって、アーカンソー州の特徴的な食物として「ドラッグ・クッキー」みたいなものが出てきてしまいます。こうした地図はもちろん楽しいですが、これをもとに結論を出すのはまずいでしょう。〔アーカンソー州の〕リトル・ロックには、メニューにドラッグを載せているレストランがたくさんあるとは思えません。


ヒートマップ・密度マップは混乱のもと

WebコミックのXKCDは、地図を使ってこの類の面白おかしさを一刀両断しています。この地図には、あるWebサイトの訪問者、「マーシャ・スチュワート・リビング」誌の購読者、動物ポルノの消費者という3つの無関係なものの密度が示されていて、どれも同じ密度になっています。

イラッとすること 第208回
地理的分析地図は基本的にただの人口分布図
「この業界がいわんとしていることは一目瞭然です」

このジョークは、どの地図も人口地図でしかなく、多くの人々がこうした地図を作りたがっていることを伝えています。さきほど取り上げたGDPマップもただの人口マップでしかありません。人口が多い場所はGDPも大きいのです。

これまでの全てのツイートを示したとする地図も、同じタイプの地図です。とてもきれいな地図ですが、Floating Sheepというすばらしいサイトの地図制作者が指摘するように、この地図が基本的に示しているのは、人がたくさんいる場所ほどツイートする人も多いということです。ある場所には何かが多くあることを示すだけなら十分かもしれません。しかし単に人口以上のことをマッピングしたり、参考となる結論を導きたい場合、ヒートマップには、人口や何か別の有効な要素との比率で一般化するなどの作業が必要です。

例えば一人当たりのツイート量のマップは興味深いものになるでしょう。こうすると、自分が見ているものが実際に平均的かどうかを見ることができます。(ツイート地図の制作者エリック・フィッシャー(Eric Fischer)は、ツーリストと地元住民がジオタグのついた写真をどこで撮影しているのかを比較して見せ、ときにはワシントンD.C.のアナコスティア川の東側のように必ずしも人口の多くない地域で多くのツイートがあることを示す、興味深い事例も作っています。)


地図制作者は何を見せ、何を隠そうとするのか?

地図は世界の代わりとなる表現ですが、ある要素は強調され、別の要素は取りのぞかれています。ほとんどの場合、情報の取捨選択は良いことです。特定の目的をもつ地図には有用な項目(道路地図なら道路の種類、名前、都市名)だけを載せるべきですし、ぎざぎざで絡み合ったものを明瞭にするには地下鉄の路線図のようにシンプルにすることがあります。しかし何かを操作したり取りのぞいたりしたことを伝えるのは容易ではありません。そこで地図制作者がどんな選択をしたかを考えることが重要になります。

このシンプルな一例に、何かを売り込み説得しようとする地図があります。その不動産地図は、距離を正確に示していますか? そばにある石炭発電所や悪臭を放つ養鶏場をないものにしていませんか?(「ザ・シンプソンズ」のモノレールの甘い罠を思い出してください。あの地図には、ブロックウェイ、オグデンヴィル、ノース・ヘイヴァーブルックが載っていました!)

色とサイズも、何かを強調したり隠したりするのに使われます。制作者が良くないものとして何かを見せたい場合、赤色にします。強調したい場合は、大きくし鮮やかな色をつけ、人々に気がついてほしくないものを小さくしグレーにします(もしくは一切とりのぞきます)。

見せたいものがたくさんある場合(ニュージャージー州の道にあいている穴など)、大きくて目立つ印を作るかもしれません。この大きな印によって、データにはいろいろな種類の穴があることが分からなくなってしまいます。穴は30センチ幅あるのか、ほんの2~3センチなのでしょうか。この地図では「へえ、たくさんの穴があるんだな」以上のことを伝えることは不可能です(それにこの地図はデータの情報源も掲載していません)。

こうした地図は、うっかりミスを誘います。たとえそういう意味でなかったとしても、赤や異なる色がつけられたものを人々は悪いものだとみなしてしまいます。それに赤は、他の地味な色よりも目を引きつけがちです。この紛らわしい事例のひとつが、州ごとの人口増加をあらわすAP通信のこの地図です。

ゆるやかな人口増加
情報源:アメリカ合衆国国勢調査局 AP通信

ミシガン州が赤色ということは悪い場所、で間違いないですか。実はこの地図の凡例は、いろんな理由で混乱を招いています。ここには3種類の異なる範囲が設定されています。「未満」記号が2つ、5–10といった数値の範囲が3つ、それに「プラス」記号です。表示される数字の表し方がいろいろあるため、理解が難しくなっています。さらに範囲が重なってもいます。10%は、5–10なのか10–15なのか分かりません。範囲を0-4.9や5-9.9のようにすると分かりやすくなるでしょう。5%未満は、厳密にいえば0%未満も含んでいます。さらに極め付きは、説明にはデータは1,000単位だと書いてあるのに、パーセントで表されていることです。テキサス州の人口はたくさん増えましたが、20,000%も増加してはいません。これらの事例はどれも、凡例と色を見逃してはいけない理由をしっかり表しています。赤色を悪いことだとするのなら、その理由を明確にしましょう。

データが構造化された方法も注意すべき部分です。値は、失業者の合計や失業率といったデータ自体の値ですか、データから派生した何か別の値ですか。実際の値を得ることから離れるほど、疑い深くなる必要があります。見ているのは変化率ですか、変化率のうちの減少分ですか。もし誰かが二次的な派生を強調していたら、全体的に不都合な真実を隠そうとしているのかもしれません。(一方これを検証する重要な推論があります。それは、簡単に入手できる人口によってデータを正規化することです。)


データの区分け方は重要

州ごとの人口を少ないほど薄い色に、多いほど濃い色にするといった、何かのバリエーションを別々の色を使って表す地図をコロプレス図〔塗り分け地図・階級区分図〕と呼びます。こうした地図は、値を別々の分類に分割することをとくに重視しています。この区分が誤解をまねいたり現実を覆い隠してしまうことがあります。

均等な間隔でデータを分割する地図を作ることは普通によくあることです。郡ごとの人口を、1-10,000、10,0001-20,000、20,001-30,000などとします。しかし理論的な区分けが、情報を提示するのに最適な手法ではないこともあります。地図制作者が何かを強調したり隠したりしたい場合、分割(集合間の分割線)を簡単に操作し、高い値や低い値をあわせて1つの大きな分類にまとめ、その他の値には個々の分類を作ることができてしまいます。この場合、データの一部分が強調され、その他の部分が隠れてしまいます。そのよく分かる事例が、フロリダ州のヒスパニック人口を示したこれらの地図です。

これらの地図はどれもまったく同じデータを使っています。各地図の異なる分類によって、ヒスパニックの人数が全く違うように見えてしまいます。

「高い」と「低い」だけで色分けしていたり、凡例が一切なかったりするなど、地図がどんな区分けをしたのか明確でない場合は十分警戒してください。情報源が信頼できなかったり、何者かが捏造したりするおそれがあることにも注意が必要です。

データのグループ化も恣意的になりえます。地図制作者が、失業率低下といった肯定的だと考えているものを強調したい場合、失業率が上昇した郡は全て(薄いグレーのような)目立たない色に統一する一方、失業率が低下した郡は低下するほど濃い色にし低下量を見せる地図を作るかもしれません。強調された失業率低下の地域よりも、上昇の地域が実際にはかなり広かったとしても、この地図からは見て取れないでしょう。上昇と低下の両方を含むスケール〔目盛り〕で同じデータを示した地図では、閲覧者はまったく違ったデータを理解することになるでしょう。(データの情報源が重要であることのもう一つの理由です。)


コロプレス図にご注意

前述したコロプレス図は、データをとても効果的に示すことができます。しかしこの地図が誤って使われると、多くの問題が起こります。そのひとつが、州、郡、国勢調査の地域などの面積や人口が均等でなく、各地域内の人口も均等に分散されていない「可変単位地区問題」と呼ばれる問題です。これは、データを分割するのに使われる境界線によって、現実世界のクラスターやパターンが隠されてしまうことを意味します。隠されたパターンを理解するには、データを掘り下げる必要があるかもしれません。

2012年米大統領選挙の一連のコロプレス図は、この問題をとてもよく表しています。最初の地図では、大統領選が非常に拮抗しているか、国が(赤い州と青い州に)きれいに二分しているように見えるように作られています。ただこのように勝者によって州を赤色か青色にすると、勝敗の差の程度、投票の合計数、州内の多様性が見えなくなってしまいます。

制作者が論理的な選択として、より細かい郡ごとに同じデータを見せることを選んだ場合、オバマよりもロムニーに多くの支持が集まっているように見えます。じっさいにはオバマが500万票以上も上回る票を獲得し、やすやすと選挙人団の票を得た事実があったにもかかわらずです。私たちは、それぞれの郡が同じ人口ではないことを知っています。ロムニーは人口の少ない農村郡で数多く勝利した一方、オバマは大きな人口を擁する小都市の郡で圧勝しました。(選挙後に人気を博した「紫色の州」地図のように)青色から紫色、赤色へと支持率に応じたデータを示したとしても、いぜんとして大部分がきわめて小さな面積である都市部の郡の人口が大きいことを見過ごしてしまいます。

可変単位地区問題は、なぜ生の数値よりも密度(人口密度など)などをマッピングしたほうが役に立つかの根拠にもなります。なぜなら小さな郡や国勢調査の地域の密度がとても高いかもしれないからです。

この問題に対する一つの解決策はカルトグラムです。カルトグラムとは単位地区(この場合では郡)を人口に応じて大きさを変えた図なので、人口の多い郡ほど大きく見えます。

2012年米国大統領選の結果のカルトグラムの例
ミシガン州立大学のマーク・ニューマン(Mark Newman)による

この地図はそれなりに便利ですが、州や郡がどこにあるのかをあらかじめ知っていてもなお、ずいぶん混乱したり方向感覚を失うおそれがあります。各郡での勝敗の差を示すグラデーションを加えると、さらに多くのことが分かります。

このカルトグラムでは、多くの郡がほとんど紫色だったのに対し、人口の多い郡のほとんどではオバマが圧勝したことを示しています。

この結果は当たり前に見えるかもしれません。しかしそれは、私たちが基本的に米国の選挙結果をよく知っているからに過ぎません。私たちがよく知らない情報は、存在しないというよりパターンを示しているように見え、表示や編集の方法によって不正確になるかもしれません。このことが、制作者が自分のデータと何をマッピングしているのかを理解し、データを他者から見られるように公開しなければならない理由なのです。

理解せず作られた悪しき例が、ナイジェリアでの誘拐に関するFiveThirtyEightの記事でした(現在は更新されています)。もともとこの制作者は、誘拐の報告に関するデータがどのように収集され整理されたのかを十分に理解せずにマッピングし、そこから多くの誤った結論を導きました。そして長文の撤回に終わったのです。一例をあげると、どの町にもマッピングされなかったデータは、ナイジェリアのちょうど中心地に置かれたので、このコロプレス図の中心点のある地区で誘拐が頻発しているように見えたのです。さらにこの記事は、微妙ながら重要な違いとして、実際には「誘拐の報告の地図」なのに「誘拐の地図」だと述べていたのです。この地図も、正確なタイトルと説明がなぜ重要なのかを示す例です。


基本データも重要

地図に使われる基本データも、境界、位置など重要な影響をもたらします。たとえばGoogleマップは、あなたがどこにいるかによって国境を変化させています。中国、インド、パキスタンの国境線は、領土の主張が相反しているため、各国でかなり違います。Googleは、ウクライナ、ロシアのクリミアやその他の地域でも同じことをしていて、その国の人々に巧妙に合わせたり、変えたりしているのです。別の場所の誰かは一生を通じて別の地図を見ているかもしれませんが、あなたはいつも同じように地図を見ているので、何かが消されていることに気がつくことはないでしょう。

地図の表示方法も重要です。悪名高いメルカトル図法が分かりやすい例で、アフリカと南アメリカを実際よりも小さく見せる一方で、ヨーロッパと北アメリカの大きさを誇張します。この面白い事例が、〔ドラマ〕「ザ・ホワイトハウス」にあります。

基本データは体系的な欠陥を持つこともあります。拡散した「米国のすべての河川」地図は一見きれいですが、よく見るとデータに問題があります。

米国のすべての河川地図? まさか。

一例をあげると、テキサス州とオクラホマ州に河川の密度が変わっているところがあり線や矩形が見えます。何らかの理由で、間違いなく地勢ではない人為的なものがデータにあり、他の地域よりも多くの河川がマッピングされている地域があります。地図で使われる基本データには、このように一見しても明らかでない欠陥が他にもあるかもしれません。


それでも地図は悪くない

これでどんな地図もダメだとか、私たちはいつも地図を疑ってかからなくてはいけないとか、専門家だけが地図を作るべきだ、というわけではまったくありません。地図というのはもともと面白くて楽しいものです(地理もね!)。でも制作者がどのように操作したり隠したりできるかについて、ちょっと考えたり意識したりすることもよいことです。広告や政治キャンペーンのように、そもそも地図(とその背後にあるデータ)を信用してはいけませんが、地図はこれからもパワフルで面白くて楽しませてくれます。

Top image: iQoncept / Shutterstock.com

データビジュアライゼーションにおけるデザインとリデザイン


Design and Redesign in Data Visualization
original text: Fernanda Viégas / Martin Wattenberg
translation: Tatsuo Sugimoto

初出:Malofiej 22, Annual Book

この記事は、フェルナンダ・ヴィエガスとマーティン・ワッテンバーグ(Fernanda Viégas / Martin Wattenberg)によるDesign and Redesign in Data Visualizationの原著者許諾済みの日本語訳です。翻訳時にもくじとリンクを追加しました。

著者は、現在マサチューセッツでGoogleのBig Pictureビジュアライゼーション研究グループを率いていて、全米の風をリアルタイムに可視化したプロジェクトWind Mapなどを手がけています。2007年には、IBM Researchでビジュアライゼーションの共有サイトMany Eyesを開発していて、この分野の先駆者といえます。

このテキストでは、データビジュアライゼーションにおける再制作「リデザイン」を通じた批評の可能性と課題を事例を通じて考察し、リデザイン批評で守るべきルールを提案しています。

もくじ

ビジュアライゼーションは、いまやマスメディアです。ハリウッドほどではありませんが、インフォメーション・グラフィックスは何百万人もの人びとの目にふれ、授賞式があり、この世界の有名人はTwitterで何万人ものフォロワーを集めています。より大きなこととして、ジャーナリズムの観点からは、データビジュアライゼーションが情報伝達の過程に不可欠な要素になっています。今日、グラフが1つもないデータ記事は、写真がないファッション記事のようなものです。

きらびやかさや人気とともに、ビジュアライゼーションは大衆の批評という別のものもひきつけました。これは、小さな規模で起こっていて、インフォグラフィックスの批評がニューヨーク・タイムズのアート欄にあらわれてはいません。とはいえ魅力的なビジュアライゼーションが登場すると、ウェブにコメントや議論があらわれてブログからTwitter、Facebookに広まっていくことはめずらしくありません。このレベルの批評は、ほかの一般的なコミュニケーションのメディアでもつきもので、驚くべきことではありません。

しかしビジュアライゼーション批評では、伝えるプロセス、さらに受け取るプロセスでも、予期しないことが起きることがわかります。これは、単にビジュアライゼーションがとても新しいからだとか、どんなメディアでも批評が感情をかき立てうるからそうなるのではありません。これから述べるように、ビジュアライゼーションが生データの変換をベースにしていることから、その批評が映画批評や書評では不可能なかたちをとりうることを意味しています。このエッセイの目的は、公開の場でのビジュアライゼーション批評、とくに直接的なリデザインをもとにした批評に関する問題を考察することです。

批評としてのリデザイン

著名な批評家による有名な批評からはじめましょう。エドワード・タフテ(Edward Tufte)は、歴史に残る著書『Visual Explanations』で、1986年スペース・シャトル「チャレンジャー号」の爆発を引き起こした判断過程について書いています。エンジニアと政府担当者は、双方同じように大ざっぱな手書きの表や図を使って、状況を解き明かして自分たちの判断を伝えようとしました。タフテは、彼らを反映している、この図とメンタルプロセス両面における問題を見事に分析したのです。

タフテの最重要な論点は、デザインです。データは十分に決定的で、明快な思考に基づいた明快なコミュニケーションがあれば、シャトルが打上げられることはありませんでした(悲しいことに、彼が報告書を作成して主張したのは、混乱した思考による失敗のあとでした)。タフテは、デザインの問題を証明するためにリデザインし、エンジニアが作ったオリジナルの表や政府調査にあるグラフと明確に比較できるお手本となる新たな図を制作しました。

主要な可変項目を直接的に比較できることを示すために、タフテは上図の散布図を制作しました。このチャートでは、データそのものが物語っています。低温の危険を明らかに図解し、寒波の打上げが明確な異常値としてあらわれているのです。この散布図のリデザインは、長く繊細な分析の一部分ですが秀逸です。タフテは次のようにまとめています。「正しい散布図やデータ表が作られていたら、だれがあんな寒波のなかでチャレンジャー号にあえてリスクをとらせようとしたでしょうか」。

リデザインによる批評という方法は、どちらかといえば流行りだしています。次はごく最近の事例です。Accuratジョージア・ルーピ(Giorgia Lupi)は、有名作家の著作の図を制作し、作家の生存期間における代表作の日付をビジュアライズしました。彼女のチャートは、各作家の数篇の著作をあらわす「小さな複数の」多角形による変わった組み合わせのものでした。マイアミ大学教授のアルベルト・カイロ(Alberto Cairo)は、同じデータをもとに単純明快な直線のタイムラインを使いました。隣合わせに比較すると、両者の表現方法を実に簡単に比べることができます。

「リデザインによる批評」という手法は、いくつかの点において、データビジュアライゼーションでとても特有にはたらきます。映画評論家は、映画をリメイクすることはできません。美術評論家は、絵画のモデルにもう一度座ってとお願いすることはできません。書評家は、あるセンテンスをリライトすることはできるかもしれませんが、本全体をやるのは不可能です。ところがデータビジュアライゼーションの場合、もとのデータセットにアクセスできて、そのデータがそれほど複雑でなければ、すくなくともラフなリデザインを作ることは可能なのです。

もちろん、この手法を使えることが単純に良いとはいえません。リデザインによる批評の影響は驚くほど複雑で、このエッセイではそれを解きほぐすのに大部分を費やします。とはいえ、この最初の2つの事例だけでも、明らかな利点と欠点があらわれています。

まず、いくつかの利点から。リデザインは、同じデータを利用するため、知的に誠実です(そうあるべきです)。またリデザインは、ダイレクトな視覚的比較を可能にします。ビジュアライゼーションをことばで説明すると、かならず何かがこぼれ落ちます。ダイレクトでありのままの比較を可能にすることが、リデザインが民主的なやり方で説得するという別の重要な利点をもたらしてくれます。権威(「俺が言ってるんだから、このデザインはまずい。」)に言葉で訴えるのではなく、隣り合わせに比較することで、見る人に判断をゆだねられます。

同時に、リデザインが問題になることもあります。タフテは、スペース・シャトルの判断に使われた図の制作者よりも相当優位に立っていました。彼は、当事者が考えていた問題の答えがわかっていて、どの可変項目が問題なのかをまさに知っていたのです。彼のリデザインは、一目でわかる明白な事例をつくりました。しばらく眺めていると、視覚効果の大部分が、左上角にあるきわめて異常なたった1つのデータポイントに注がれていることに気がつきます。これを取りのぞけば、ずいぶん落ち着いた形になります。これだと頭の固い役人に打上げを中止することを説得できたでしょうか。

実際のところ、たった1つの異常値のデータポイントにそれほど重きを置くことが本当に良い考えでしょうか。チャレンジャー号の場合には、確かにその通りでした。ただ一般的には、常にそうとは限りません。こんな疑問を抱く人もいるでしょう。もし打上げが何事もなく成功していたら、タフテの能力をもっただれかが、同じデータから、異常値を無視する知恵について同様に説得力あふれるグラフィックを作れたのだろうかと。

タフテは、他にも手っ取り早い方法を使っています。彼の散布図は、ある特定のデータの側面を選び取っていました。それは事故の後に、決定的になることが判明したものです。散布図は、Oリング問題の位置やタイプといった可変項目を除外しています。彼の考えでは、その情報は分析とは関係が薄いことになっていますが、もちろん当時はその問題を知る方法がありませんでした。チャートにこのデータを追加したら、もっと入り乱れて不明瞭なものになったでしょう。じっさい批評家が問題を解決しようとして単純化することは、よくありがちなことです。カイロによるルーピのタイムラインのリデザインは、軽快で洗練されていますが、同じスペースにデータの50%しか表せていません。ここで示した事例では、単純化によって批評家の要点が大きく揺るがされてはいませんが、若干の疑いの目を持たれています。

しかし、おそらくリデザインにまつわる最大の問題は、コンテクストを取り去ってしまうことにあります。デザインは、妥協の産物です。ロゴをデザインしたり、映画を制作したり、家を建てたりしたことのある人ならだれでも知っていることですが、最終的な成果物には多くは隠れてしまった目標や制約の数々が反映されています。依頼主がどうしてもピンクにしてほしいんだって! 主演の役者が足首を痛めちゃったぞ! 都市計画局の頭がおかしいんだよ!──こうした制約を知らずにリデザインするのは、ある意味で、不公平です。

ビジュアライゼーションの場合、コンテクストは戦略と目標の差違から戦術的な制約まで多様です。タフテによれば、チャレンジャー号のエンジニアは飛行のリスクをよく知っていて、打上げに待ったをかけていました。しかし、タイミングまわりの政治的圧力が、違う判断を生んだのです。彼は、正しい散布図やデータ表が別の判断をもたらしたかもしれないと結論づけました。にもかかわらず、この世界で最もよくできたデザインが決定を覆せたとは限りません。カイロのリデザインの場合、可読性と審美性、新規性のどこに重きを置くかで、違うものになったでしょう。

1つの単純なリデザインなどというものが存在しないことは、この際はっきりしておくべきでしょう。

公開の場でのリデザイン

2004年、米国の有権者は、2人の大統領候補、共和党のジョージ・ブッシュ大統領か民主党のジョン・ケリーの支持に見事に分かれました。選挙運動を通して、選挙マップは、居住者が共和党(赤)か民主党(青)のどちらに主に投票したかをあらわす「赤い」州と「青い」州として、この分裂を記録しました。この赤青マップの大きな欠陥は、共和党がじっさいよりも大きな支持者をもっている印象を与えてしまうことでした。地理的に広大なアメリカ合衆国の中南部の州の多くが、共和党候補を主に支持していたため、色分けマップは真っ赤な海になったのです。まるでこの国全体が共和党候補に投票したように見えてしまいます。要するに、このマップは米国の人口分布を考慮できていなかったのです。このマップは、赤い州の人口が青い州(多くの民主党支持者は大都市に居住している傾向があります)の人口よりも、平均的にずっと少なく密度も薄いことをとらえられていません。


2004年アメリカ大統領選の赤青マップ(出典:Wikipedia [4])

この視覚的難問は、米国の選挙データをより実態通りに表示するための探究に人々を駆り立てました。なかでもデータサイエンティスト、ジャーナリスト、ビジュアライゼーションの専門家は、この問題にさまざまな角度から取り組んだ数々のマップを作りました。郡ベースのマップは、州を小さな単位に分割することで、共和党の州のなかで民主党投票者の地域を見えるようにしました。「紫煙(パープル・ヘイズ)」マップは、赤と青を混ぜ合わせて、各地の共和党と民主党の得票率をあらわしています。カルトグラムは、データビジュアライゼーションの世界の変わった手法で、各地の人口によって郡や州を拡大縮小し、地理的なエリアをゆがませています。

このデータ解析とマップ制作のプロセスは、公開の場で起こり、数週間おきに新たな「赤青」マップがあらわれました。唯一の正解といえるものはありません。それぞれのマップは、一連のトレードオフとバイアスをあらわしています。とはいえ全体としては、これらのマップは意見交換を作りあげました。公開の場で、国家のアイデンティティや方向性について意見交換する強力で健全な新たな方法です。おそらく同様に重要なこととして、こうした活動が、公正で協働的な態度で発展していったのです。互いのマップを露骨にリデザインしようとせずに、実務家はお互いの作品をベースにして作り、データのよりよい視覚的記号化にとりくみました。データをよりよく視覚化して理解したいという思いが進めた協働的な活動だったのです。

残念ながら、公開の場でのデータビジュアライゼーションの再制作が、このように一様にポジティブな反応につながるとは必ずしもいえません。リデザインが大きな反発にあった出来事がありました。たとえば2015年2月のアルベルト・カイロによる別のリデザインです。ジョージア・ルーピの作品への批評と同様に、カイロは円周状の図(アラブの春のタイムライン、アレクサンダー・ケイティン(Alexander Katin)とカー・ハチャトゥーロフ(Kir Khachaturov)作)をとりあげ、「巻きをほぐして」、直線上に配置しました。

カイロがこのリデザインをブログに書いたところ、すばやく猛烈な反応が返ってきました。その多くは、2つの対立軸に沿ってふりかかってきました。一方は、オリジナルのグラフの美しさが重要なのだと異議を唱え、他方は、リデザインされた解決案によってデータの読みやすさが劇的に改善していると頑なに主張したのです。

「@albertocairo この円は1年のサイクルを見せるためのものなんですよね?」
 
「この円形レイアウトでできたゆがみのせいで、イエメンを描いた期間がもっと短かった場合でも、〔外側の〕イエメンよりも〔内側の〕チュニジアのタイムラインが短く見えてしまいます。」
 
「2015年のすばらしい円形タイムラインの議論で、私は @albertocairo よりも @blprnt の側につきます。」
 
「明快さが目的なら、直線版に賛同します。円を読むには、スケールに沿って動きながら、無数の視線移動が必要になるからです。」
 
Twitterから抽出した引用。このやりとりに加えて、全部大文字で罵りあうような過激なツイートも交わされました。

何千人、もしかすると世界中の何百万人もの人びとに広がる可能性をもった公開の場でのリデザインは、新しい現象であり、ソーシャルメディア時代の産物のひとつです。この影響範囲と即時性には、プラスとマイナスの両面がありえます。プラスの面では、簡単に費用をかけずに、リデザインをデータビジュアライゼーションのコミュニティの人たちに幅ひろく見てもらい議論してもらうことができます。一方、ソーシャルメディアにさらされると、こうしたリデザインに、多くのユーザーが1つのコンテクストになって流れ込んでしまいます。これは、これまでのデザインスタジオによる相互評価からの厳しい船出です。これまでの相互評価は、コンテクストや作品の意図を共有している同業者によるもので、批評の対象となるデザインをした人物を知っていて、目の前に存在していたのです。オンラインで公開の場のリデザインは、顔が見えず個人を感じられなくなり、すぐに憎しみや敵意を招いてしまうおそれがあります。

カイロの事例では、もともとのコンテクストは教育のためでした。学生が円周状のグラフについて質問をしたので、カイロは直線と円周の解決策の効果を比較する解説として役立つことを期待していました。しかしTwitterに流れるやいなや、そこでの会話は、美学、テーマについてのカイロの権威性、示されたデータの重要性(またはその欠如)、デザインの役割などの質問が入り、違った傾向をみせました。一方において、話題を広げていくことは、批評のなかで目指すところです。他方、時にこうした意見交換をともなった対立は、その過程を全部脇に置く方がよいでしょう。それにしても、この影響範囲とコンテクストのトレードオフは、どうバランスをとればよいでしょうか。そして、リデザインにまつわる議論の多くを生産的にするには、どう最適化すればよいでしょうか。

2つの文化をつなぐリデザイン

ビジュアライゼーションの分野は、2つのまったく異なる知的潮流が交差するところに位置しています。ビジュアライゼーションの起源の1つは、アートとグラフィックデザインです。もう一方は、コンピュータグラフィックと科学実験の分野に由来しています。一歩引いて、それぞれの分野にある慣習や規範を説明し、各分野がビジュアライゼーション批評でどのように対立するのかを描くのは意味があります。

文学や芸術の分野を知的に前進させる重要な方法は批評です。話し言葉で「批評」というと否定しているようですが、もちろん芸術や人文学にはもっと豊かな伝統があります。バーゼルによれば、「一般的に批評とは、特定の領域に精通した判断を下す専門家のことを指す。身近な例として、映画評論家や文学評論家、建築批評、それに認定ワイン鑑定士のワイン鑑定能力も含まれる」[3]。この定義を強調する理由の1つは、ささいな誤解を避けるためです。「ビジュアライゼーション批評」を推奨することが、一般に思われている否定的な意味を呼びだしてはいないのです。

デザインのコミュニティでは、デザイン批評といえる特徴的な批評があります。抽象的だったり哲学的だったりする文芸批評とはちがい、定番の「批評」は通常、制作中の作品を改善することを目標としています。批評のプロセスの重要な部分は、人間関係のコンテクストであり、真剣でハイレベルな会話をする同業者同士であるという事実です。批評が公開の場でおこなわれることはほとんどありません。批評は一般的に、スタジオや学校でおこなわれ、専門技術をもったプロや学生からなり、デザインの文脈についての知識を共有していて、慎重な判断が下されます。

科学の世界には、別の光景がひろがっています。科学では、仮説を検証するプロセスから人間の判断を排除しようとします(人間の判断はたしかに資金調達や出版のプロセスでは生きのびていますが、それは別の話です)。仮説は反証可能でない限り、科学的な検討すらされません。つまり、仮説が誤りであることを示す機械的な手順があるのです。その結果、新しい治療のための判断基準は、医師の委員会の意見ではなく二重盲検法であり、理想的には複数グループで繰り返し成功した実験になります。

データビジュアライゼーションの科学的な前身の1つであるコンピュータグラフィックの場合、事実上の標準になった一連のサンプル画像があります。たとえば、3Dレンダリングの研究者は、まず特定のティーポットのモデルを使います。画像圧縮と改良に取り組む学者は、何十年も(有名な)プレイボーイの写真「レナ」を使っています。その目的は、よく知られているコンテクストに新しい技術やアイデアを適用することで、だれでも以前の業績と直接的に比べることができるからです。

こうした慣習を比較することで、リデザインによる批評における混乱のもとをいくつか説明できます。おもに非公開の場でおこなわれてきた批評の習慣から見ると、公開の場でのリデザインは、過度に個人的で、さらされすぎていると感じられます。公開の場で起きた批評は、リンクをクリックした人はだれでも見ることができ、注意深い解説に必要なコンテクストの多くを失ってしまうからです。一方、実験に基づく科学者の観点からは、リデザインを評価するのに、人間──それもきわめて主観的な──専門的な判断が不可欠というのが、不正行為のように見えてしまうかもしれません。ここまで、それぞれの分野の実務家があらわした反応の根拠になるものをみてきました。

こうした問題はありますが、「リデザインによる批評」という方法は、この分野を成長させるまさに混合物かもしれません。知覚心理学と関連の学問が、ビジュアライゼーションになんらかの助言を提供することができるのは確かですが、あらゆる現実のデザイン問題に完璧に答えられるほど高度ではありません。結局のところ、批評のプロセスに人間の判断は必要とされています。そこには、コンテクストと仲間関係が失われて、公開の場での批評に問題を引き起こしてしまう一方、批評のプロセスのすばらしい点を引きだし、最悪の落とし穴をさけることができる「批評のルール」があると信じています。

批評のルール

デザインは、科学ではありません。ただし「科学ではない」ことが「まったく主観的である」こととイコールではありません。じっさい、批評のプロセスは何世紀にもわたってデザインに規律をもたらしました。共有されたデータセットに基づくビジュアライゼーションでは、同じデータにもとにしたリデザインを通じた批評の価値を示すことで、正確さのレベルを上げるチャンスがあります。

リデザインを通した批評は、ビジュアライゼーションの分野を前進させるための最も強力なツールの1つかもしれません。同時に、この批評は簡単ではありませんし、落とし穴がたくさんあり、知的で、実践的で、ソーシャルです。この批評のツールを、すべての関係者を意識して敬意を持ちつつ、どのように効果的に利用できるでしょうか。ここでいくつかの提案があります。正確さを保つ、デザイナーをリスペクトする、批評家をリスペクトする、の3つのカテゴリーに分類しました。

1.正確さを保つ

科学実験と同じく、リデザインも何のためにおこなうのか──ある意味、何を「測定」しているのか──を知ることが大切です。ビジュアライゼーションには、データを伝える、会話を刺激する、説得する、見る者を引き込む、美的経験をつくりだすなど、いろいろな到達点がありえます。リデザインをつくる批評家は、その目標を、そしてデザイナーとは別の目標に興味を持っている場合があるという事実を明らかにすべきです。このことが、コンテクストを知らずに結果に出くわす人たちがいるウェブでは特に重要です。

次に、批評家はどんな仮定の単純化にも誠実でなければなりません。リデザインがオリジナルよりも少ないデータしか示していない場合、はじめにそのことを言及すべきです。そうしないと、シンプルなリデザインが、単なるデータ切り捨ての結果だと解釈されるおそれがあります。

正確さを保つことの中には、プロの判断が一致せず、合意にいたる道を発見していく状況を認めることも入っています。ときに人々は、隣り合わせにした比較を見て、まったく異なる結論に達します(たとえば、アルベルト・カイロがリデザインした円周状のタイムラインのように)。意見の相違のもとについて会話を交わすことが第一歩です。プロによってビジュアライゼーションの成功基準が違っていたり、異なる目標を思い描いていることはよくあることです。そうしたことをはっきりさせることが、この分野にとってとても役に立ちます。しかし、明快さや読みやすさについて、単純に各人が違う直観をもつ場合もあります。このような場合、科学的な実験に向かう意味があるかもしれません。これは批評の失敗ではなく、むしろ成功としてとらえるべきです。簡潔明瞭で検証可能な科学的な論点は、めったにない有用なものですから。

2.デザイナーをリスペクトする

全てのリデザインは、敵対的に見られてしまうおそれがあります。事故の責任の所在を明らかにしたタフテのリデザインのように、まるで批評家がデザイナーの欠点を指摘し、自分の技術が優れているか同等だと主張しているように見られるのです。口コミでリンクしていく現在、この影響は倍増します。自分の作品についての否定的なコメントが、リブログされ、リツイートされ、リポストされるのを見るのは気分のよいものではありません。

批評のプロセスでデザイナーに配慮することは、多くの理由で良いことです。もちろん、そこには親切心があります。それに加えて、会話の可能性を開いてくれます。作品のオリジナルのデザイナーは、ほかのだれよりもその作品特有の問題について考えつくしているものです。あらゆる段階で、デザイナーを会話に招き入れることをおすすめします。一般公開の批評に先立ち、デザイナーと話し、応答する機会を与えて、いつでもデザイナーを立派なプロとして扱うのです。

批評家は、いろいろな方法で、デザイナーにふりかかるリデザインの感情的な影響をやわらげることができます。

第一に、いくつかのビジュアライゼーションを批評することで主張を展開できるのなら、もっともレベルの高い組織が手がけたものを選んでください。公開の場で欠点を指摘するなら、1年生相手ではなくニューヨーク・タイムズに対しておこないましょう。著名なデザイナーほど打たれ強いとは限りませんが、批評を引き受けるべきです。第二に、批評の文脈で意味をなすのなら、デザインの良い面、つまりリデザインする必要のない特徴について言及してください。色やタイポグラフィがすばらしくて変える必要がなかったら、そのことをしっかり伝えるのは良い考えでしょう。

第三に、教育的に指摘するには、すばらしいビジュアライゼーションを悪く変えてしまう「後戻り」のリデザインを検討してください。言いかえれば、指摘したいこと(たとえば、良いラベルづけやカラーパレット)を例証するのに、あるビジュアライゼーションをとりあげて、重要な要素を取りのぞく(大部分のラベルを消したり、ハレーションをおこす色に変える)のです。この方法は従来のリデザインと同じ効果を与えることができるでしょう。オリジナルのデザイナーの気分を害さず、気持ちよくいてもらうことができます。それに、「批評」のもつ既存の作品を否定的に見るという考えを断ち切る良い方法でもあります。

3.批評家をリスペクトする

批評は難しい、デザイン同様に難しい行為です。確立したメディア(本、映画、音楽)では、すぐれた批評家は独立した専門家として認められているほどです。一分野として、ビジュアライゼーションの批評家にも同様の敬意を払うべきです。批評家はアクティブな実務家ではないというデザイナーの不満の声をときおり耳にします。確かにそうかもしれませんが、大した問題ではありません。

結論として、リデザインがあらっぽいことを理由に、無視してはいけません。リデザインが有効になるために、完全に洗練させる必要はないのです。すこしラフなリデザインが、うまく働くことさえあります。つまりリデザインは、批評家とデザイナーの競い合いではなく、デザインに関するアイデアの要点のチェックなのです。

最後に、デザイナーのみなさんは、批評のプロセスの目標を心にとめておいてください。それは最終的には、個人の評価ではなく、この分野全体を改善していくやり方だということを。

おわりに

データビジュアライゼーションは、いまだ新しい分野です。ジャーナリストやサイエンティスト、データを理解したい人たちにとっては、すでに欠かせないメディアになっています。とはいえこのメディアは、まだまだ理解されているとはいえません。始まったばかりのもので、改良の余地がたくさん残されています。

さらなる批評が必要とされていて、リデザインはビジュアライゼーション批評に主要な要素です。しかしそのあまりに多くがウェブで起きていて、つまり公開の場で、すぐに関係するだれからでも見られ、コンテクストや前準備のない世界に開かれているため、困難なプロセスになることがあります。ここでは、批評はどうすれば最も生産的にでき、関係者にストレスをほとんど生まないようにするのかについて話し合いはじめることを目標としていました。

将来のことを考えながら締めくくります。これまで議論したリデザインと批評は、技法にかなり集中していました。これは成長期にある新しいメディアにとっては適切です。しかし映画批評や書評と比べると、普通とはいえません。典型的な書評について思い浮かべてみると、評文にはおそらく文体や人物の姿形について書かれています。しかし通常は、すくなくとも同じくらい、たいていはずっと多くのスペースが、登場人物や筋書き、ムードなど内容についての議論で占められています。ビジュアライゼーションが1つのメディアとして成熟したあかつきには、今日の技法に関する批評のように、内容についての批評が数多くあわられるでしょう。

謝辞

自分たちの指針にしたがって、たくさんの会話をもとにこのエッセイを書きました。きっかけは、アルベルト・カイロのオンライン批評と、その後につづいたTwitter、ブログ、メールでの議論でした。とくに、モリッツ・ステフェナー(Moritz Stefaner)、ヤン・ウィレン・トゥルプ(Jan Willen Tulp)、そのほか有益な議論をかわして情報を示していただいたみなさんに感謝します。


[1] Visual Explanations: Images and Quantities, Evidence and Narrative.
[2] http://www.thefunctionalart.com/2014/11/redesigning-visualizations.html
[3] J. Bardzell / Interacting with Computers 23 (2011) 604–621
[4] http://en.wikipedia.org/wiki/File:2004_US_elections_map_electoral_votes.png
http://commons.wikimedia.org/wiki/File:Gastner_map_purple_byarea_bycounty.png
http://commons.wikimedia.org/wiki/File:Countycartlinear1280x1024.png

Visual Explanations: Images and Quantities, Evidence and Narrative
Edward R. Tufte
Graphics Pr
売り上げランキング: 42,391

2015年のインフォメーションビジュアライゼーション

この記事は、ロバート・コサラ「The State of Information Visualization, 2015」の原著者許諾済みの日本語訳です。


header

The State of Information Visualization, 2015
Original Article published by Robert Kosara.
Translated by Tatsuo Sugimoto.

どうやら2014年は、ビジュアライゼーションにおいて特筆すべき年ではなかったというのが既定路線のようです。先週、ポッドキャストData Stories2014年をふり返るエピソードを収録しましたが、みんな落ち込み気味に話しはじめました。とはいえたくさんの出来事がおきて、2015年にはさらなる展開をみせようとしています。

2014年が退屈な年だったとしたら、どうしてアンディ・カークが2014年前半をまとめて、なお2014年後半にも多くのよい事例を投稿できたのでしょうか。それに、ナーサン・ヨウの年間ベストデータビジュアライゼーションのリストについてはどうでしょう。そうです、いろいろとあったのです。もちろん新たなことも。

InfoVis学会

InfoVis 2014のクオリティには、いまでも敬服しています。このイベントはすばらしい研究内容にとどまらず、興味深い新発見を提示し、上手に紹介し、データやコードを利用できるようにした、全部をひっくるめたものでした。今までこれほど一貫性をもった質の高いイベントはありませんでした。

研究の多くの方向性も多様でした。新技術の研究はほとんどなかったものの、その多くはすばらしかったです。しばらくの間、多くの新技術は現実の問題を解決できていませんでしたが、進展しているようです。現在では、より多くの理論的傾向の研究(AlgebraicVisなど)や、将来有望な基礎的な研究(ヴェーバーの法則など)、長年の仮説を探究する研究(棒グラフの知覚、エラーバー、アニメーション演出など)などがあります。

何度も引用されている先行研究をしっかりと検証し、批評し、改良を加えていくことは、InfoVisにおいて有効かつ一般的な研究方法であるべきです。科学を進歩させるには、信念や概念を疑いつづけるしかありません。こうした研究が出てきたことはすばらしく、この傾向が続くことを願っています。

ストーリーテリング

昨年の頭、私はストーリーテリングの話をしましたが、2014年はまさにストーリーテリングにとって大きな1年でした。Tableau 8.2の「ストーリーポイント」機能だけでなく、データから興味深いストーリーをつむいでいく興味深い新しいアプローチが数多くあらわれました。

Bloomberg ViewData Viewシリーズ(残念なことにすべてを一覧で見る方法がないようです)のような、新たなフォーマットも生まれています。まだ一般的な「スクローリーテリング」〔訳注:スクロールをつかったストーリーテリング〕フォーマットは登場してないようですが、とても迷惑で気まぐれな事例もありました。私は、スクロールはクリックよりも簡単だとするマイク・ボストックの主張にはまったく賛同しませんが、彼がこの手のものを作る人たちに役立つ助言をしていることは確かです。

モリッツ・ステフェナーと私自身の間で、ストーリーをめぐるちょっとした議論もありました。モリッツが口火を切って私がそれに答えてストーリーの定義を加えました。最終的に、全体を整理したデータストーリーについてのData Storiesのエピソードになりました。

来たるべき年に、多くのストーリーテリングが登場することは間違いありません。ツールはよくなっていて、人々は実験をはじめてうまく働く面を学んでいます。ストーリーテリングについての学術的研究がもっと進むことも願っています。

学会以外のカンファレンス

InfoVisのようなカンファレンスといえば、どれも同じように、新しくないかもしれませんが継続的に開催されています。 TapestryOpenVisVisualizedeyeoなど、どのカンファレンスも異業種の人たちをつないでいます。人びとが語り合うカンファレンスはいいものです。

こうしたカンファレンスがうまくいっているのは(eyeoにはなかなか参加できないほど)、本当にすばらしいことです。そこには知的好奇心があります。意外な人たちも参加しているので、参加者の話も興味深いです。とくにジャーナリストは、これまでジャーナリズムのカンファレンス以外で話すことはありませんでした。みな面白い話題を持ち寄っていて、その話を聞きたがっています。

データジャーナリズムの夜明け

FiveThirtyEightVoxThe UpShot。これらのサイトは、どれも昨年スタート(または再スタート)しました。全部うまくいった? ノー。ネイト・シルバーのニュースをオタク化する誓いはよいスタートを切りましたが、まだ道のりは長いです。Voxは間違いをおかしすぎましたし、率直にいって、スピードを落とし「公開優先でチェックは後回し」のアプローチを考え直す必要があります。数字に関するストーリーはなんでもすぐにデータジャーナリズムだと見なすカーゴ・カルト的なところもあります。

誤りや技術的なトラブルが多少あったにせよ、ジャーナリズムのなかにデータがあることは間違いなく、これからもっと視覚化されていくでしょう。

そのほか2015年に起こること

このほかに、コミュニケーションとデータを説明するためのビジュアライゼーションが、ジャーナリズム以外でも引き続き利用されることは明らかだとおもいます。分析がなくなることはもちろんありませんが、その結果の多くは一覧表などではなくビジュアルになるでしょう。ビジュアライゼーションの価値は、画面に向かっている一人の人間に限られるものではありません。

こうしたビジュアライゼーションは、アカデミック側でも取り上げられる存在です。この方向に向かって、特定のアイデアに着目して(分析中心だった)従来よりも実用的な多くの研究が発表されるとおもいます。

最後に、私はビジュアライゼーションの良書を待ち望んでいます。昨年、タマラ・マンツナーの本が発売されましたが、まだ読み終えていないので、かなり期待しているとしか言えません。コール・ナスバウマーアンディ・カークアルベルト・カイロなど、執筆中の人たちもいます(後の2人の本は2016年に出版される予定ですが)。

2014年はインフォメーションビジュアライゼーションにとって悪くない年だったと思います。そして2015年以降はもっとよくなるでしょう。

執筆:ロバート・コサラ

photo

ロバート・コサラは、タブローソフトウェアのリサーチサイエンティストで、コンピュータサイエンスの元准教授。研究テーマは、ビジュアライゼーションを使ったデータのコミュニケーション。ブログ書きのほかに、ランニングツイートもしています。

Visualization Analysis and Design (AK Peters Visualization Series)
Tamara Munzner
A K Peters/CRC Press
売り上げランキング: 381