在当今信息爆炸的时代，数据可视化已成为传达复杂信息的重要工具。然而，麻省理工学院(MIT)最新研究表明，这些图表和图形传达的不仅仅是数据本身，还会传递复杂的社会信号，影响观众对信息的信任度。这项研究揭示了数据可视化设计元素如何无形中塑造人们对信息来源的判断，为科学传播和数据分析提供了全新的思考框架。
视觉化的双重作用：数据与社会信号
"我们在这两项研究中已经证明，可视化图表不仅传达它们所描绘的数据，还传达其他社会信号，"麻省理工学院电气工程与计算机科学系副教授、计算机科学与人工智能实验室(CSAIL)成员Arvind Satyanarayan表示。
研究团队发现，即使是最清晰的可视化图表，通常传达的也不仅仅是它们明确展示的数据。它们会引发观众对制作图表者的社会背景、身份特征和特质的强烈判断。这些判断主要基于图表的设计特征，如调色板或信息排列方式，而非底层数据。
"如果你正在社交媒体上浏览图表，并立即将其视为某个网红只为吸引注意力而制作的产物，这就会在你深入研究数据之前，完全改变你对图表的体验，"Satyanarayan解释道。
研究背景：从疫情图表的社会现象说起
在新冠疫情高峰期，社交媒体上充斥着世界卫生组织和美国疾病控制与预防中心等组织设计的图表，旨在传达疾病传播信息。MIT研究人员研究了这些可视化如何被用于讨论疫情，发现一些公民科学家正在使用底层数据制作自己的可视化，挑战主流科学发现。
"这是一个意外的发现，因为以前公民科学家通常与主流科学家保持一致。我们花了几年时间才弄清楚如何更深入地研究这一现象，"Satyanarayan说。
大多数关于数据可视化的研究都关注图表如何传达数据。相反，MIT研究人员希望从社会和语言学角度探索可视化，评估它们在数据之外传达的信息。
语言学视角：视觉语言的社会索引功能
语言人类学家发现，虽然语言允许人们交流思想，但它也具有超越人们所用词汇的社会意义。例如，口音或方言可以表明某人属于特定社群。
通过"指向"某些社会意义、身份和特征，语言发挥着所谓的"社会索引功能"。
"我们想看看数据交流的视觉语言中的某些元素是否可能指向某些机构，或这些机构中的人群，这些元素可能带有制图者无意中赋予的意义，"人类学教授Graham Jones表示。
定性研究："氛围"如何影响信任判断
研究人员首先在社交媒体平台Tumblr上进行了初步的定性研究。在一对一访谈中，研究人员向用户展示了来自网络的各种真实可视化，以及移除了标题和坐标轴标签等文本信息的修改版可视化。
移除文本信息尤为重要，因为它模拟了人们经常与在线可视化互动的方式。
"我们与社交媒体的互动只是几秒钟的快速浏览。人们不会花时间仔细阅读图表标题或查看数据，"Satyanarayan解释道。
访谈显示，用户基于他们称为"氛围"的设计元素（如颜色或特定图形的使用）对制作可视化的人员或组织做出详细推断。这些推断反过来影响了他们对数据的信任。
例如，看到一个带有乔治亚州和德克萨斯州旗帜以及红黑两色线条但没有文本的图表后，一位用户表示："这看起来像是德克萨斯州共和党(立法者)会在Twitter或他们的网站上，或作为竞选演示的一部分发布的内容。"
定量研究：普遍存在的社会推断现象
基于这项初步工作，研究人员使用相同方法进行了三项定量研究，向来自不同背景的更大人群群体发送调查。
他们发现了相同的现象：人们根据可视化设计推断其社会背景，这可能导致对所描绘数据的误解和不信任。
例如，用户认为某些可视化排列过于整齐，以至于相信它们是广告，因此不值得信赖。在另一个例子中，一位用户 dismiss了一位普利策奖得主的图表，因为他觉得手绘的图形风格表明它是"一些只为寻求关注而创作的女性Instagram网红制作的"。
"如果这是一个人对图表的第一反应，它将极大地影响他们对图表的信任程度，"Satyanarayan说。
此外，当研究人员在已移除文本的可视化中重新引入文本时，用户仍然做出这些社会推断。
重新思考数据素养：文化知识的重要性
通常，在数据可视化中，解决此类问题的方法是创建更清晰的图表或提高人们的数据素养。但这项研究指向了一种完全不同的数据素养，Jones表示。
"人们做出这些推断并非错误。它需要大量关于可视化来源、制作方式和传播方式的文化知识。做出这些推断是我们使用符号的特征，而不是缺陷，"他说。
分类框架：设计与社会推断的关联
基于这些结果，研究人员创建了一个分类框架，用于组织用户做出的社会推断及其相关的设计元素。他们希望这种类型学能成为设计师开发更有效可视化的工具，以及额外研究的起点。
该框架识别了几种主要的社会推断类型及其相关的设计特征：
专业权威推断：特定的设计元素（如精确的网格线、学术风格的配色）会使观众推断图表来自专业机构或学术研究。
政治立场推断：某些颜色组合和布局方式会被解读为具有特定政治倾向，即使图表本身是中立的。
商业意图推断：过于精美的设计或特定的品牌元素会导致观众认为图表具有商业目的，从而降低信任度。
创作者身份推断：手绘风格或特定的视觉元素会被解读为来自特定人群（如"女性Instagram网红"）。
研究意义：跨学科融合的突破
这项研究不仅提供了方法论贡献，使一系列现象能够通过实验研究，还展示了跨学科交叉的独特力量。
"这项工作的部分价值在于方法论贡献，使一系列现象能够通过实验研究。但这项工作也很重要，因为它展示了强大而独特的跨学科交叉，"Jones表示。
未来，研究人员希望继续探索数据可视化作为社会 artifact 的作用，深入研究他们在类型学中确定的每个设计特征。他们还想扩展研究范围，包括研究论文和科学期刊中的可视化。
实践启示：如何设计更有效的数据可视化
这项研究对数据可视化的设计和使用提供了重要启示：
设计透明度：设计师应意识到设计选择可能无意中传递的社会信号，并考虑如何最小化不必要的推断。
受众意识：可视化制作者应考虑目标受众可能做出的社会推断，并相应调整设计。
背景信息整合：在适当的情况下，整合有关数据来源的明确信息，减少基于设计特征的错误推断。
设计多样性：避免过于同质化的设计语言，因为这可能强化特定的社会刻板印象。
批判性评估：教育用户批判性评估可视化，不仅关注数据本身，还要考虑设计选择可能带来的社会影响。
研究局限性与未来方向
尽管这项研究提供了重要见解，但仍存在一些局限性。研究主要集中在社交媒体上的可视化，可能无法完全代表其他环境（如学术出版物或新闻报道）中的情况。此外，研究主要集中在西方受众，不同文化背景下的反应可能有所不同。
未来研究可以探索：
- 不同文化背景下对社会推断的反应差异
- 设计元素与特定社会关联的因果关系
- 如何有意识地利用设计元素传递特定社会信号
- 长期接触可视化如何影响人们的社会推断模式
结论：超越数据的视觉语言
MIT的研究揭示了数据可视化设计的深层社会影响。这些图表不仅仅是数据的呈现，更是复杂的社会信号载体，无形中塑造着人们对信息的信任和接受度。
理解这种"视觉氛围"的影响对于科学传播、数据新闻和公共信息交流至关重要。随着我们进入一个越来越依赖数据可视化传达复杂信息的世界，设计师、科学家和传播者需要认识到，他们的设计选择不仅影响数据的清晰度，还影响信息的社会接受度和可信度。
这项研究为数据可视化的设计和评估提供了新框架，强调了在追求数据准确性的同时，也需要考虑设计选择可能带来的社会影响。在信息传播日益复杂的今天，这种跨学科的视角对于建立更有效、更可信的数据交流至关重要。
