哪个科学领域研究人们如何解释定量总结和可视化？

有大量的知名资源提供有关数据可视化的建议。（例如，Tufte，Stephen Few等人，Nathan Yau。）但是，对于诸如此类的问题，答案可能会转向哪个领域：

• 饼图批评在实践中是否有意义？人们在解释线性标尺长度方面比在弧长方面要好得多吗？
• 假设我构建了一组基础变量的指数摘要，并向一般观众解释美国在2010年的价值为100，在2015年的价值为110。大多数人将如何解释这些数字？在介绍此指标时，我是否应该考虑自然的认知习惯，以便更好地解释或防止误解？

换句话说，定量信息的呈现者可以在哪些科学领域中寻找经验上可靠且经过测试的原理，这些原理可以帮助整理当今可用的大量可视化和设计建议？

目的不是要找到关于如何最佳地可视化数据或解决新颖的数据可视化问题的建议，想法或当前共识，而是要在哪里寻找人们如何解释定量和/或视觉信息的科学。

（对于引用该领域的期刊，会议和学者的额外感谢。）

盖尔德·吉格伦泽（Gerd Gigerenzer）被公认为算术或算术认知方面的世界专家之一。他在他的网站（https://www.mpib-berlin.mpg.de/en/staff/gerd-gigerenzer）上引用了许多有关这些主题的论文和书籍。他的主要著作之一是他在2002年出版的书《计算的风险：如何知道数字何时欺骗您》。在此处阅读摘要：https : //www.mpib-berlin.mpg.de/en/research/adaptive-behavior-and-cognition/publications/books/calculated-risks

与Gigerenzer的工作相关的是基于认知的决策理论工作，该工作着眼于呈现信息的方式。这里有代表性的论文是丹Goldstein的财富和逆转的幻觉可以在这里...... http://rady.ucsd.edu/docs/seminars/goldstein.pdf这里从介绍的：

最近，研究人员和政策制定者已开始更多地关注不仅选择架构，而且也关注信息架构：将信息呈现给人们的格式。信息体系结构的研究表明，例如，就卡路里的消耗而言，食物的热量含量可以得到很好的理解，并且通过在汽车中显示信息可以提高汽车的能源效率。每100英里的加仑数，而不是每加仑的英里数。本文研究了信息体系结构，尽管我们不消耗卡路里或汽油，但解决了退休时的经济消耗。

伯克利·迪特沃斯特（Berkeley Dietvorst）对文献的最新重要补充是对“算法厌恶”和决策的研究。Dietvorst认为，在进行预测建模时，技术上比较幼稚和/或文盲的人往往会认为预测模型是“魔术子弹”或完全有信息的，并且当算法充其量只能证明是弱预测时，那么典型的响应就是拒绝定量解决方案。

https://marketing.wharton.upenn.edu/mktg/assets/File/Dietvorst%20Simmons%20&%20Massey%202014.pdf

然后还有像Kaiser Fung这样的博客作者，他们维护着自己的Junkcharts网站，对诸如NYT或WSJ之 类的主要酒吧的图表和可视化进行评论，http: //junkcharts.typepad.com/

与您的可视化问题相关的是设计专家（例如Manuel Lima）的工作，他维护着一个网站VisualComplexity.com，其中涵盖了许多解决方法。利马还在纽约市帕森斯设计学院教授数据可视化。 http://www.visualcomplexity.com/vc/

除帕森斯外，其他设计和可视化机构还包括：

设计与社会环境学院 https://www.rmit.edu.au/about/our-education/academic-colleges/college-of-design-and-social-context/

加州大学洛杉矶分校的文化分析研究所
http://www.ipam.ucla.edu/programs/long-programs/culture-analytics/

Google文化学院 https://www.google.com/culturalinstitute/home

MoMA设计展览和书籍

http://www.moma.org/calendar/exhibitions/1071?locale=zh-CN

http://www.amazon.com/Talk-Me-Communication-between-Objects/dp/0870707965

在会议方面，有Eyeo音乐节 http://eyeofestival.com/

在R软件中，可视化大师是Hadley Wickham http://had.co.nz/

在SAS软件中，有Rob Allison http://www.robslink.com/SAS/graph_book.htm

最后，不乏“一次性”类型的网站：

http://infosthetics.com/ 政府数据的绝佳视觉效果

http://www.thefunctionalart.com/2012/09/in-praise-of-connected-scatter-plots.html

http://www.informationisbeautifulawards.com/

卡尔·布罗曼（Karl Broman） 如何糟糕地显示数据https://www.biostat.wisc.edu/~kbroman/presentations/IowaState2013/graphs_combined.pdf

https://www.biostat.wisc.edu/~kbroman/presentations/IowaState2013/index.html

玛丽亚·波波娃（Maria Popova）的设计与传播博客 https://www.brainpickings.org/2012/06/26/talk-to-me-moma-paola-antonelli-book/

数据可视化画廊 http://www.datavis.ca/gallery/index.php

数据可视化周期表 http://www.visual-literacy.org/periodic_table/periodic_table.html

我们的数据世界 http://ourworldindata.org/

这只是开始划伤那里的东西的表面...

心理物理学研究人类如何响应和解释刺激，包括对数据可视化的解释。注释中链接的Cleveland和McGill论文是一个例子，本文的第二部分简要概述了一些观点。

数值或数学认知是认知科学的一个子学科，研究诸如数字感之类的东西。它有时借鉴心理物理学的概念，例如费希纳量表（Fechner's scale），“表明主观感觉与刺激强度的对数成正比”。Wiki对应用于数字认知的概念的描述：

心理学研究表明，随着两个数字之间的差异减小，区分它们变得越来越困难。这称为距离效应。这在量级估计领域很重要，例如处理大比例尺和估计距离。它也可能解释了为什么消费者在大额购买时会忽略购物以节省一小部分，而在小额购买时却会节省大量的钱，这代表了绝对的美元金额要小得多。

与此相关，在行为经济学中，前景理论（原论文）探讨了人类在风险，概率选择之间的选择。