دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Jonathan Schwabish
سری:
ISBN (شابک) : 9780231550154
ناشر: Columbia University Press
سال نشر: 2021
تعداد صفحات: [464]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 28 Mb
در صورت تبدیل فایل کتاب Better Data Visualizations: A Guide for Scholars, Researchers, and Wonks به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجسم بهتر داده ها: راهنمای محققان، محققان و وانکس ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
اکنون بیش از هر زمان دیگری، اگر بخواهیم به دوردست سفر کنیم، محتوا باید بصری باشد. خوانندگان در همه جا غرق در جریان داده ها، اخبار و متن هستند. تصاویر بصری می توانند نویز را کاهش دهند و تشخیص و یادآوری اطلاعات را برای خوانندگان آسان تر کنند. با این حال، به بسیاری از محققان هرگز آموزش داده نشد که چگونه کار خود را به صورت بصری ارائه کنند. این کتاب به جزئیات استراتژیهای ضروری برای ایجاد تجسم دادههای مؤثرتر میپردازد. جاناتان شوابیش خوانندگان را در مراحل ایجاد نمودارهای بهتر و چگونگی حرکت فراتر از نمودارهای خطی، میله ای و دایره ای ساده گام بر می دارد. او از طریق بیش از پانصد مثال، بایدها و نبایدهای تجسم داده ها، اصول ادراک بصری، و نحوه تصمیم گیری ذهنی سبک پیرامون طراحی نمودار را نشان می دهد. شوابیش بیش از هشتاد نوع تجسم را بررسی می کند، از هیستوگرام گرفته تا نمودارهای افق، نمودارهای خط خطی گرفته تا نقشه های choropleth، و توضیح می دهد که چگونه هر کدام جایگاه خود را در جعبه ابزار بصری دارند. ممکن است ترسناک به نظر برسد، اما همه می توانند یاد بگیرند که چگونه داده های متقاعد کننده و موثر ایجاد کنند. این کتاب شما را راهنمایی میکند تا مخاطبان و اهداف خود را تعریف کنید، نموداری را انتخاب کنید که برای دادههای شما مناسبتر است، و پیام خود را به وضوح منتقل کنید. درباره نویسنده جاناتان شوابیش یک اقتصاددان و نویسنده، معلم و خالق تجسم داده های مرتبط با سیاست است. او به سازمانهای غیرانتفاعی، مؤسسات تحقیقاتی و دولتها در همه سطوح کمک میکند تا نحوه انتقال کار و یافتههای خود را به همکاران، شرکا، مشتریان و مؤسسات خود بهبود بخشند. او نویسنده کتاب ارائه های بهتر: راهنمای محققان، محققان و وانکس ها (کلمبیا، 2016) است.
Now more than ever, content must be visual if it is to travel far. Readers everywhere are overwhelmed with a flow of data, news, and text. Visuals can cut through the noise and make it easier for readers to recognize and recall information. Yet many researchers were never taught how to present their work visually. This book details essential strategies to create more effective data visualizations. Jonathan Schwabish walks readers through the steps of creating better graphs and how to move beyond simple line, bar, and pie charts. Through more than five hundred examples, he demonstrates the do’s and don’ts of data visualization, the principles of visual perception, and how to make subjective style decisions around a chart’s design. Schwabish surveys more than eighty visualization types, from histograms to horizon charts, ridgeline plots to choropleth maps, and explains how each has its place in the visual toolkit. It might seem intimidating, but everyone can learn how to create compelling, effective data visualizations. This book will guide you as you define your audience and goals, choose the graph that best fits for your data, and clearly communicate your message. About the Author Jonathan Schwabish is an economist and writer, teacher, and creator of policy-relevant data visualizations. He helps nonprofits, research institutions, and governments at all levels improve how they communicate their work and findings to their colleagues, partners, clients, and constituents. He is the author of Better Presentations: A Guide for Scholars, Researchers, and Wonks (Columbia, 2016).