把PPT做漂亮点真的有用,研究证明图表美观增加可信度,作者:还会影响论文引用和通过率
浙大校友出品
萧箫 发自 凹非寺
量子位 报道 | 公众号 QbitAI
先来看两张图表:
你感觉,哪张图表看起来可信度更高?
其实,这两张图表展现的数据完全一样,但第二张“更漂亮”的图表看起来却更具说服力。
这种现象已经有了科学依据。
一项最新研究表明,漂亮图表确实更容易受到信任,也更具有误导性,与它们所属的学科类别或来源无关:
而且,学历越高的人群,越容易受这种偏见的影响。
研究po出后,立刻在外网火了一把。
网友们给自己做的丑图找到了新借口:这样才不会让读者产生偏见(得意)。
来看看这是一项怎样的研究。
第一,好看的图更受信任
结论一,与学科类别或来源无关,漂亮的图表就是让人感觉更可信。
研究人员从社交媒体、新闻和科学论文中,分别筛选了数百张图表。
其中,“社交媒体”指Reddit社区,“新闻”来源于彭博社、金融时报等报刊杂志,“科学论文”则基本来自于Nature Communication和Scientific Reports。
图表所属学科也非常多样,涉及地理、生物、健康、科学、运动等:
然后,研究人员找了数百名志愿者,给随机出现的图表进行打分:
△出现的一些图表类型
志愿者们会从美观性(色彩搭配、行间距和字体)、易读性(可视化数据类型、图形类型和图形设计)、可信度、感兴趣程度、超出认知程度等角度,评估图表:
统计结果显示,好看易懂的图表可信度普遍更高(其中横轴是美观性,纵轴是可信度):
既然如此,漂亮的图片会更具有误导性吗?
第二,漂亮的图更具误导性
结论二,图表的“美观性”更影响人们的信任程度,甚至忽略误导性操作带来的影响。
误导性操作指在不影响结论的情况下,利用图标大小等视觉差,故意给读者造成错觉,引导得出与数据不符的结论:
△图源:维基百科
研究人员亲自上手,对一系列图表进行PS,包括将图片改得更漂亮,例如提升分辨率、调整字体大小等;此外,也将图片改得更具误导性,包括采用暗示性色彩来上色等。
具体来说,他们把每个图表都PS成4种类型:
左上角是漂亮+低误导性;左下角是不漂亮+低误导性;右上角是漂亮+高误导性;右下角是不漂亮+高误导性。
△鲜艳的红色对结论具有误导性
然后,将这些PS后的图片拿给志愿者们进行评估。
结果表明,人们更信任更漂亮的图片,平均比原图的“可信度”高出1分左右(满分7分);但对于色彩不均匀等误导性操作,人们却表现得不敏感,可信度无明显变化。
这意味着,志愿者们普遍认为更漂亮的图片看起来更可信,即使它被进行了误导性操作。
除此之外,研究人员分析了一下志愿者们的学历,还发现了一个意外现象:
学历越高的志愿者,评估可信度时越容易受到好看图表的影响。
作者Mark Thornton认为,在引用或评审科学论文时,确实可能受到这种好看图表“偏见”的影响,导致对应论文的引用率和通过率更高:
所以下次投稿之前,试试把论文图表搞得更漂亮一点?(手动狗头)
作者介绍
论文一作Chujun Lin,本科毕业于浙江大学,在加州理工学院取得社会科学博士学位后,又进行了一年博士后工作,目前在达特茅斯学院继续进行博士后工作,研究方向主要与计算方法(建模、深度学习等)、社会心理学理论和社会性指标相关。
二作Mark Thornton,达特茅斯学院助理教授,本科毕业于普林斯顿大学,并于哈佛大学取得硕博学位,研究方向主要是心理学和脑科学。
论文地址:
https://psyarxiv.com/dnr9s/
参考链接:
[1]https://weibo.com/1402400261/L9jYsokzC
[2]https://www.chujunlin.com/
[3]https://twitter.com/Mark_A_Thornton/status/1478057342088495112
[4]https://pbs.dartmouth.edu/people/mark-thornton
- 刚刚,英特尔发布最强CPU,AI PC迎来最高效x86芯片2024-09-04
- 全国首个上手机的AI视频通话来了!《黑神话:悟空》经文也能破译2024-08-29
- Windows、Mac只是装了个夸克,整个电脑都AI了!2024-08-28
- 英特尔全新至强W:60个性能核提升26% AI性能2024-08-29