211service.com
De eerste visuele zoekmachine voor wetenschappelijke diagrammen
In 1973 bedacht de statisticus Francis Anscombe een fascinerende demonstratie die aantoont waarom gegevens altijd moeten worden uitgezet voordat ze worden geanalyseerd. De demonstratie bestond uit vier datasets met bijna identieke statistische eigenschappen. Volgens deze maatstaf zijn ze in wezen hetzelfde.
Maar wanneer ze worden uitgezet, zien de datasets er heel anders uit. Het kwartet van Anscombe , zoals het inmiddels bekend is geworden, laat zien hoe goede graphics mensen in staat stellen data op een andere manier te analyseren, er op een ander niveau over na te denken en erover te praten.
De meeste wetenschappers erkennen het belang van goede graphics voor het communiceren van complexe ideeën. Het is moeilijk om de structuur van bijvoorbeeld DNA te beschrijven zonder een diagram.
En toch is er weinig of geen bewijs dat goede graphics een belangrijk onderdeel zijn van de wetenschappelijke inspanning. Het belang van goede graphics lijkt misschien vanzelfsprekend, maar zonder bewijs is het slechts een hypothese.
Tegenwoordig verandert dat dankzij het werk van Po-shen Lee bij vrienden van de Universiteit van Washington in Seattle, die een machine-vision-algoritme hebben gebruikt om afbeeldingen in wetenschappelijke artikelen te zoeken en deze vervolgens te analyseren en classificeren. Dit werk onthult voor het eerst dat grafische afbeeldingen een belangrijke rol spelen in het wetenschappelijke proces. We vinden een significante correlatie tussen wetenschappelijke impact en het gebruik van visuele informatie, waar papers met een hogere impact meer diagrammen bevatten, en in mindere mate meer plots en foto's, zeggen ze.
Deze jongens beginnen met het downloaden van 4,8 miljoen cijfers uit 650.000 wetenschappelijke artikelen uit de online database PubMed Central, die voornamelijk artikelen uit de biowetenschappen en de biogeneeskunde bevat. Lee en co hebben vervolgens een machine-vision-algoritme getraind om multichart-figuren in zijn samenstellende delen te verdelen. Hierdoor steeg de database tot zo'n 10 miljoen cijfers voor analyse, waarvan 67 procent afkomstig uit de multichart-cijfers.
Het team leerde het algoritme vervolgens om vijf verschillende soorten figuren te herkennen: diagrammen, foto's, tabellen, dataplots en vergelijkingen. De meest voorkomende blijken dataplots te zijn, die 35 procent van het totaal uitmaken, gevolgd door foto's (22 procent), diagrammen (20 procent) en vergelijkingen (17 procent). Tabellen vormen slechts 5 procent van de database.
Vervolgens analyseerden de onderzoekers hoe deze verdeling per tijdschrift, per discipline en in de tijd varieerde. We vinden dat de verdeling van figuren en figuurtypes in de literatuur relatief constant is gebleven in de tijd, maar sterk kan variëren tussen vakgebied en onderwerp, zeggen ze.
Maar hun meest opmerkelijke ontdekking is dat de meest succesvolle kranten over het algemeen meer cijfers hebben. Door het aantal diagrammen in een paper af te zetten tegen de impact, concludeert het team dat ideeën met een hoge impact meestal visueel worden overgebracht.
Lee en co zeggen dat hier twee mogelijke verklaringen voor zijn: dat visuele informatie de duidelijkheid van het artikel verbetert, wat leidt tot meer citaten en een grotere impact, of dat artikelen met een hoge impact van nature de neiging hebben om nieuwe, complexe ideeën te bevatten die visuele uitleg vereisen.
Natuurlijk is er werk aan de winkel. Lee en co zijn zich terdege bewust van de vooringenomenheid van PubMed Central in de richting van de biowetenschappen en de medische biologie. Een voor de hand liggende volgende stap is dus om diagrammen uit de natuurwetenschappen op te nemen. De Physics arXiv is een voor de hand liggende bron om te exploiteren.
Het team wil ook de eigenschappen van verschillende gegevensrepresentaties onderzoeken. Hun doel is om te bestuderen hoe succesvol verschillende soorten diagrammen informatie overbrengen, waarbij ze enig bewijs produceren dat de zwarte kunst van het ontwerpen van diagrammen in een wetenschap zou kunnen veranderen.
Dat is interessant werk dat de basis legt voor een geheel nieuw soort wetenschap. Het team noemt dit viziometrie, de wetenschap van visuele informatie. Dit weerspiegelt bibliometrie, de statistische studie van publicaties, en scientometrie, de studie van het meten van wetenschap.
De werken laten een belangrijke erfenis na. Lee en co hebben hun database doorzoekbaar en beschikbaar gemaakt op: www.viziometrics.org . Het zorgt voor interessant browsen - voer een wetenschappelijke term in en de zoekmachine retourneert een breed scala aan diagrammen, foto's enzovoort, gerelateerd aan dat thema.
Dat stelt wetenschappers in staat om wetenschappelijke literatuur op een ander abstractieniveau te doorzoeken. Met andere woorden, het stelt hen in staat om op een nieuwe manier over wetenschap en data te redeneren. Dit is zeker een krachtig nieuw hulpmiddel dat een diepgaande invloed kan hebben op de manier waarop we wetenschappelijke informatie produceren, zoeken en openen. Anscombe zou zeker verbaasd zijn.
Referentie: arxiv.org/abs/1605.04951 : Viziometrie: visuele informatie in de wetenschappelijke literatuur analyseren