Den första visuella sökmotorn för vetenskapliga diagram

1973 skapade statistikern Francis Anscombe en fascinerande demonstration som visar varför data alltid bör plottas innan den analyseras. Demonstrationen bestod av fyra datamängder som hade nästan identiska statistiska egenskaper. Genom detta mått är de i huvudsak desamma.

Men när de plottas ser datauppsättningarna helt annorlunda ut. Anscombes kvartett , som det har blivit känt, visar hur bra grafik tillåter människor att analysera data på ett annat sätt, att tänka och prata om det på en annan nivå.

De flesta forskare inser vikten av bra grafik för att kommunicera komplexa idéer. Det är svårt att beskriva strukturen av DNA, till exempel utan ett diagram.

Och ändå finns det få om några bevis som visar att bra grafik är en viktig del av den vetenskapliga strävan. Betydelsen av bra grafik kan tyckas självklar, men utan bevis är det bara en hypotes.

Idag förändras det tack vare arbetet av Po-shen Lee hos kompisar vid University of Washington i Seattle som har använt en maskinseendealgoritm för att söka efter grafik i vetenskapliga artiklar och sedan analysera och klassificera dem. Detta arbete avslöjar för första gången att grafik spelar en viktig roll i den vetenskapliga processen. Vi finner en signifikant korrelation mellan vetenskaplig påverkan och användningen av visuell information, där papper med högre effekt tenderar att innehålla fler diagram, och i mindre utsträckning fler plotter och fotografier, säger de.

Dessa killar börjar med att ladda ner 4,8 miljoner siffror från 650 000 vetenskapliga artiklar från onlinedatabasen PubMed Central, som är värd för artiklar från främst biovetenskap och biomedicin. Lee och co tränade sedan en maskinseende algoritm för att dela upp flerdiagramsfigurer i dess beståndsdelar. Detta ökade databasen till cirka 10 miljoner siffror för analys, 67 procent av dem kommer från flerdiagramsiffror.

Teamet lärde sedan algoritmen att känna igen fem olika typer av figurer: diagram, foton, tabeller, dataplots och ekvationer. Det vanligaste visar sig vara dataplot, som utgör 35 procent av totalen, följt av foton (22 procent), diagram (20 procent) och ekvationer (17 procent). Tabeller utgör endast 5 procent av databasen.

Därefter analyserade forskarna hur denna fördelning varierade efter tidskrift, efter disciplin och över tid. Vi finner att fördelningen av figurer och figurtyper i litteraturen har hållit sig relativt konstant över tiden, men kan variera kraftigt över fält och ämne, säger de.

Men deras mest anmärkningsvärda upptäckt är att de mest framgångsrika tidningarna tenderar att ha fler siffror. Genom att plotta antalet diagram i ett papper mot dess inverkan drar teamet slutsatsen att idéer med stor effekt tenderar att förmedlas visuellt.

Lee och co säger att det finns två möjliga förklaringar till detta: att visuell information förbättrar tidningens tydlighet, vilket leder till fler citeringar och högre genomslagskraft, eller att högtryckspapper naturligtvis tenderar att inkludera nya, komplexa idéer som kräver visuell förklaring.

Det är naturligtvis arbete framför. Lee och co är väl medvetna om PubMed Centrals partiskhet mot biovetenskap och biomedicin. Så ett självklart nästa steg är att ta med diagram från de fysiska vetenskaperna. Physics arXiv är en självklar resurs att utnyttja.

Teamet vill också utforska egenskaperna hos olika datarepresentationer. Deras mål är att studera hur framgångsrikt olika typer av diagram förmedlar information, vilket ger några bevis som kan förvandla den svarta konsten att designa diagram till en vetenskap.

Det är ett intressant arbete som lägger grunden för en helt ny typ av vetenskap. Teamet kallar detta viziometrics, vetenskapen om visuell information. Detta speglar bibliometri, som är den statistiska studien av publikationer, och scientometri som är studien av att mäta vetenskap.

Verken efterlämnar ett viktigt arv. Lee och co har gjort sin databas sökbar och tillgänglig på www.viziometrics.org . Det ger intressant surfning – ange en vetenskaplig term och sökmotorn returnerar ett brett utbud av diagram, foton och så vidare, relaterade till det temat.

Det gör det möjligt för forskare att söka i vetenskaplig litteratur på en annan abstraktionsnivå. Med andra ord låter det dem resonera om vetenskap och data på ett nytt sätt. Detta är verkligen ett kraftfullt nytt verktyg och ett som kan ha en djupgående inverkan på hur vi producerar, söker efter och får tillgång till vetenskaplig information. Anscombe skulle säkert bli förvånad.

Ref: arxiv.org/abs/1605.04951 : Viziometrics: Analysera visuell information i den vetenskapliga litteraturen

Dölj