Gráficos em Linguagem Simples: Orientações para criar gráficos mais fáceis de se entender

Autores

Rodrigo Oliveira

UFF

Claudia Cappelli

UERJ

Jonice Oliveira

UFRJ

DOI: https://doi.org/10.5753/sbc.12145.5

Sinopse

A Linguagem Simples tem ganhado destaque no Brasil a partir de legislações que orientam a divulgação pública de informações de forma clara e compreensível. Essa linguagem tem se expandido para não só melhorar o entendimento de textos mas de outros tipos de apresentação da informação, por exemplo, representações visuais, como gráficos. Muitas vezes, essa comunicação gráfica fica a critério de não especialistas ou dos padrões dos softwares de desenvolvimento de gráficos, o que muitas vezes não são adequados. Não há muitos guias ou manuais sobre como os dados devem ser publicados de maneira amigável e transparente para o consumo público. Essas diretrizes estão descentralizadas em sites, fóruns ou espalhadas por livros especializados se utilizando de uma linguagem exclusivamente técnica. Neste livro apresentamos uma coletânea de práticas para a Linguagem Simples (Plain Language) acerca de visualizações de informação visando auxiliar a criação de gráficos para o maior entendimento de todos. O material conta com uma série de recomendações existentes na literatura acadêmica, livros especializados e experiência de especialistas. Práticas totalmente adaptadas para uma linguagem de fácil compreensão, com diversos exemplos práticos e organizados em um método simples de ser seguido por todos que desejam se comunicar por gráficos e ser entendido por todos.

Downloads

Não há dados estatísticos.

Referências

Grainger, S., Mao, F., & Buytaert, W. (2016). Environmental data visualisation for non-scientific contexts: Literature review and design framework. Environmental Modelling & Software, 85, 299-318.

Gramazio, C. C., Schloss, K. B., & Laidlaw, D. H. (2014). The relation between visualization size, grouping, and user performance. IEEE transactions on visualization and computer graphics, 20(12), 1953-1962.

Isett, K. R., & Hicks, D. M. (2018). Providing public servants what they need: Revealing the “unseen” through data visualization. Public Administration Review, 78(3), 479-485.

Kelleher, C., & Wagener, T. (2011). Ten guidelines for effective data visualization in scientific publications. Environmental Modelling & Software, 26(6), 822-827.

Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. John Wiley & Sons.

Kopp, T., Riekert, M., & Utz, S. (2018). When cognitive fit outweighs cognitive load: Redundant data labels in charts increase accuracy and speed of information extraction. Computers in Human Behavior, 86, 367-376.

Lee, N., & Rojas, E. M. (2009). Developing effective visual representations to monitor project performance. In Construction Research Congress 2009: Building a Sustainable Future (pp.826-835).

Rees, D., & Laramee, R. S. (2019). A survey of information visualization books. In Computer Graphics Forum (Vol. 38, No. 1, pp. 610-646).

Rheingans, P. L. (2000). Task-based color scale design. In 28th AIPR Workshop: 3D Visualization for Data Exploration and Decision Making (Vol. 3905, pp. 35-43). International Society for Optics and Photonics.

Senay, H., & Ignatius, E. (1990). Rules and principles of scientific data visualization. Institute for Information Science and Technology, Department of Electrical Engineering and Computer Science, School of Engineering and Applied Science, George Washington University.

Siirtola, H. (2019). The cost of pie charts. In 2019 23rd International Conference Information Visualisation (IV) (pp. 151-156). IEEE.

Wilke, C. O. (2019). Fundamentals of data visualization: a primer on making informative and compelling figures. O’Reilly Media.