<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
    <channel>
        <title>نوشته های فاطمه چهرگان</title>
        <link>https://virgool.io/feed/@m_83577376</link>
        <description>انسان‌شناس و پژوهشگر تجربه کاربر در دیوار</description>
        <language>fa</language>
        <pubDate>2026-06-07 16:49:45</pubDate>
        <image>
            <url>https://files.virgool.io/upload/users/1050711/avatar/ybdYWQ.jpeg?height=120&amp;width=120</url>
            <title>فاطمه چهرگان</title>
            <link>https://virgool.io/@m_83577376</link>
        </image>

                    <item>
                <title>روایت‌گری با داده - قسمت پایانی</title>
                <link>https://virgool.io/DivarDesign/%D8%B1%D9%88%D8%A7%DB%8C%D8%AA-%DA%AF%D8%B1%DB%8C-%D8%A8%D8%A7-%D8%AF%D8%A7%D8%AF%D9%87-%D9%82%D8%B3%D9%85%D8%AA-%D9%BE%D8%A7%DB%8C%D8%A7%D9%86%DB%8C-zglio6mlqcda</link>
                <description>تصویرسازی از آناهیتا آقاییهمانطور که پیشتر در این مطلب توضیح داده‌ایم، برای ارائه موفق داده‌ها، نویسنده کتاب «Storytelling With Data» شش نکته اساسی زیر را، به عنوان مهم‌ترین عناصری معرفی می‌کند که باید برای ارائه و بصری‌سازی داده‌ها مدنظر داشت:۱. بستر(context) را درک کنید.۲. شیوه بصری‌سازی مناسب را پیدا کنید.۳. شلوغی‌ و به‌هم‌ریختگی‌ها را حذف کنید.۴. توجه را به آن نقطه‌ای که می‌خواهید جلب کنید.۵. مثل یک طراح فکر کنید.۶. داستان روایت کنید.۱. بستر (context) را درک کنیداهمیت بستر (context) را در مطلب گذشته شرح دادیم و در این مطلب نکات مهم بصری‌سازی داده‌ها را بررسی خواهیم کرد. به خاطر داشته باشید، این مجموعه مطلب خلاصه کامل کتاب نیستند و تنها نکات کاربردی آن را منعکس می‌کنند.۲: انتخاب نمودار مناسببرای انتخاب نمودار مناسب همیشه گزینه‌های زیادی وجود دارد. به همین دلیل انتخاب بهترین نمودار، وابسته به ماهیت داده‌ها است.در این قسمت به بررسی چند نمودار پرمصرف و شرایط مطلوب برای استفاده از آنها خواهیم پرداخت.۱. متن‌های ساده: زمانی که تنها یک یا دو عدد برای نمایش داریم، بهتر است از این نمودار استفاده کنیم تا اعداد بر مخاطبان تأثیر بگذارند. البته باید برای جلوگیری از برداشت اشتباه، کاهش و افزایش اعداد را در مقایسه با قبل زیرنویس کنیم.۲. جدول‌ها: زمانی که مخاطبانی با نیازهای متفاوت داشته باشیم، از جدول‌ها استفاده می‌کنیم. جدول علاوه بر ارتباط بصری، به کلام نیز احتیاج دارد؛ چرا که باید برای افراد مختلف ترجمه شود و به همین دلیل در ارائه‌های حضوری کمتر از آنها استفاده می‌شود. بهتر است سعی کنیم در ترسیم جداول، از خطوط کمرنگ‌تری استفاده کنیم تا داده‌ها خود را بهتر نشان دهند.۳. جداول نقشه حرارتی (heatmap table) : زمانی که بخواهیم ویژگی‌های بصری به جدول اضافه کنیم،‌ می‌توانیم از این نمودار استفاده کنیم. این نمودار به ما کمک می‌کند با استفاده از رنگ‌ها و در صورت لزوم، روی بعضی از داده‌ها تأکید بیشتری کنیم و از جزئیات کم‌اهمیت بگذریم.همه مثال‌های بالا با گفتار ما در ارتباط بودند. اما نمودارهایی که در ادامه می‌آیند برای انتقال اطلاعات، بینایی ما را درگیر می‌کنند.۴. نمودارهای پراکندگی: برای بررسی رابطه بین دو عامل کاربردی هستند. با دنبال کردن داده‌ها در محورهای افقی و عمودی، به راحتی می‌توان به وجود رابطه احتمالی میان داده‌ها پی برد. این نمودار‌ها بیشتر در مطالعات علمی و کمتر در کسب‌وکارها استفاده می‌شوند.۵. نمودارهای خطی: بیشتر برای نشان دادن پیوستگی داده‌ها در طول زمان استفاده می‌شوند. از این نمودارها عمدتاً به دو شکل نمودار خطی ساده و نمودار خطی شیب‌دار (slopegraph) استفاده می‌شود.نمودار خطی ساده می‌تواند یک، دو یا چند سری از داده‌ها را در محور زمان نشان دهد. دقت کنید برای جلوگیری از اشتباه، بازه‌های محور افقی (زمان) باید یکسان باشند و نمی‌توانند برای مثال، ابتدا ماهیانه و سپس فصلی تغییر کنند.نمودارهای شیب‌دار مشابه نمودارهای بالا هستند ولی برای نشان دادن تغییرات، رابطه یا مقایسه یک یا چند چیز در بازه‌های زمانی متفاوت استفاده می‌شوند. همچنین این نمودارها کاهش یا افزایش مقادیر را به سادگی نشان می‌دهند و برای یافتن رابطه، نیازی به بررسی اعداد نیست.۶. نمودارهای میله‌ای: این نمودارها به دلیل سادگی و کاربردی بودن، بهترین شیوه ارائه اطلاعات هستند. در استفاده از آنها باید دقت داشته باشیم که حتماً نقطه صفر نمودار را مشخص کنیم تا از کژتابی جلوگیری شود. مثال زیر اهمیت قرار دادن نقطه صفر را نشان می‌دهد:نمودارهای میله‌ای ساده، مشابه نمودارهای خطی می‌توانند یک یا چند سری داده را نمایش دهند ولی دقت داشته باشید که نمایش دسته‌های زیاد در یک نمودار، فهم آن را سخت می‌کند. بهتر است برای ساده‌تر شدن، ترتیب کم یا زیاد شدن داده‌ها را در دسته‌بندی رعایت کنیم.نمودار انباشتی نوع دیگری از نمودارهای میله‌ای است. از این نمودارها برای مقایسه مقدار کل در دسته‌بندی‌های مختلف و نمایش اجزای کل هر دسته استفاده می‌شود.دسته دیگر نمودارهای میله‌ای، نمودار آبشاری است. از این نمودار برای نشان دادن بخش‌های جداگانه‌ای از نمودار انباشتی استفاده می‌شود تا بتوان تغییرات را همزمان نشان داد. همچنین از این نمودار برای نمایش نقطه شروع، کاهش یا افزایش، و نقطه پایان داده‌ها استفاده می‌شود.دسته آخر نمودارهای میله‌ای، نمودارهای افقی هستند. این نمودارها مشابه نسخه عمودی و برای مقایسه میان دسته‌های مختلف استفاده می‌شوند.افقی بودن این نمودار خواندن آن را راحت‌تر کرده و برای نام‌گذاری فضای بیشتری در اختیارمان قرار می‌دهد. در نتیجه زمانی به اعداد هر دسته می‌رسیم که توضیحات کامل آن را خوانده‌ایم.برای نمودارهای میله‌ای افقی، مشابه نسخه عمودی آن، می‌توان نمودارهایی انباشتی ساخت که بیشتر برای مقایسه داده در طیف‌های مثبت و منفی به کار می‌رود.۷. نمودارهای محیطی (Area): برای نشان دادن بخش خاصی از اعداد در مقیاس بزرگ استفاده می‌شوند. عموماً چشم انسان نمی‌تواند اعداد را در محیط‌های دو بعدی به راحتی درک کند ولی با این روش می‌توان تأثیر بخش مشخصی از داده را از یک مقیاس بزرگ نشان داد.** البته نمودارهای متعدد دیگری نیز وجود دارند، ولی نمودارهای بالا از پرمصرف‌ترین آنها هستند که مخاطبان نیز به راحتی می‌توانند با آن ارتباط برقرار کنند.نکاتی که باید از آنها اجتناب کرد:۱. از نمودار دایره‌ای و دوناتی برای نمایش داده‌هایی که مقادیر نزدیک دارند استفاده نکنیم. در این حالات تشخیص درست اندازه مقادیر سخت و گاهی ناممکن خواهد شد.۲. چشم انسان نمی‌تواند با دقت زیادی مقادیر را در نمودارهای سه‌بعدی تشخیص دهد. از نمایش سه‌بعدی داده‌ها نیز پرهیز کنیم.۳. از ترسیم نمودارهایی با دو محور افقی پرهیز کنیم. در حالت کلی درک این نمودارها سخت و پیچیده است. به مثال زیر دقت کنید:برای حل این پیچیدگی دو روش وجود دارد که در تصویر زیر نشان داده شده:‍۱. مقادیر هر دسته را روی خودش نشان دهیم.۲. از دو محور افقی متفاوت استفاده کنیم و داده‌ها را به صورت عمودی تقسیم کنیم. در این حالت محور عمودی دست نخورده باقی خواهد ماند.۳: شلوغی (به‌هم‌ریختگی) دشمن ما استیک صفحه خالی را تصور کنید. تک‌تک عناصری که به صفحه اضافه می‌کنیم، برای مخاطب بار شناختی دارد. به بیان دیگر برای فهم آن نیاز دارند که از قدرت تحلیل مغزشان استفاده کنند. به همین دلیل هنگام بصری‌سازی داده‌ها باید تلاش کنیم از شلوغی بپرهیزیم تا مخاطب به سادگی متوجه منظور شده و برای درک تصاویر تلاش زیادی نکند. نمودارهای ما باید به مقدار کافی داده داشته باشند و هر چیز دیگری که وجودش برای درک داده‌ها ضرورت ندارد، از ارائه حذف شود. هر عنصری که فضا بگیرد ولی به درک داده‌ها کمک نکند، شلوغی بصری ایجاد می‌کند. این شلوغی درکِ نمودارها را بیش از حد پیچیده و مخاطبان را گیج می‌کند.چه چیزهایی می‌تواند نمودار ما را شلوغ کند؟۱. نمایش داده‌ها بدون ترتیب: بهتر است داده‌ها از کم به زیاد یا برعکس مرتب شود تا مخاطب منطق آن را در نگاه اول درک کند.۲. همراستایی: همراستا نبودن نوشته‌ها، متن را بهم می‌ریزد و دنبال کردن برچسب‌ داده‌ها و توضیحات آن‌ها را سخت می‌کند.۳. نبودن فضای خالی: تصور کنید در یک سخنرانی شرکت کرده‌اید و سخنران بدون وقفه‌ صحبت می‌کند. به نظر شما نهایتاً چند دقیقه می‌توانید حرف‌های سخنران را دنبال کنید؟ فضاهای خالی در نمودار، نقش همین وقفه‌ها در سخنرانی را ایفا می‌کنند، نبود آن‌ها صفحه را شلوغ کرده و درک داده‌ها را دشوار می‌سازد.۴. استفاده بی‌هدف از کنتراست: زمانی از کنتراست استفاده می‌کنیم که بخواهیم وجهی از کار را برجسته کنیم. اگر بدون دلیلی مشخص از کنتراست استفاده کنیم، تمرکز را از نکاتی که لازم است برجسته باشند برمی‌داریم.نمودار زیر، مثالی است که با توجه به نکات بالا می‌خواهیم آن را بهبود ببخشیم:۱. استفاده زیاد از خطوط پررنگ:  پررنگ کردن خطوط نمودار عموماً ضرورتی ندارد و بهتر است با استفاده از رنگ‌های خنثی آن را ترسیم کنیم.۲. استفاده از خطوط شطرنجی: خطوط شطرنجی یا راهنما (gridlines) تنها زمانی ضرورت دارند که بخواهیم مقدار دسته‌ها را در نقاط مختلف متوجه شویم. در این صورت نیز بهتر است از خطوط پهن و کم‌رنگ استفاده کنیم تا از شلوغی بصری جلوگیری شود. اگر مانند مثال بالا نمایش خطوط راهنما ضرورتی ندارد، بهتر است به کلی حذف شوند.۳. راهنمای داده‌ها: راهنمای داده‌ها بهتر است با هدفی مشخص و تنها برای نمودارهای پیچیده استفاده شود. بهتر است در صورت امکان آنها را نیز حذف کنیم تا تصویری ساده‌تر داشته باشیم.۴. مرتب کردن محورهای افقی و عمو دی: بهتر است برای ساده‌تر شدن نمودار و درک سریع‌تر آن، توضیحات محورهای افقی و عمودی را کوتاه بنویسیم. به طور مثال ماه‌ها را مخفف بنویسیم و اگر لزومی ندارد برای داده‌ها از اعشار استفاده نکنیم.۵. مقدار یا شرح خطوط نمودار را روی خود خطوط نشان دهید: از آنجایی که مخاطبان برای درک نمودار و خواندن خطوط نیاز دارند که بین توضیحات و نمودار اصلی حرکت رفت و برگشتی داشته باشند، بهتر است خطوط نمودار را مستقیماً برچسب بزنیم و نام آنها را با رنگ مشابه خطوط هر کدام بنویسیم.نتیجه نهایی نمودار پس از تغییرات مشابه تصویر سمت راست خواهد بود:۴: توجه مخاطب را به جای درست جلب کنیمهر چیزی که مشاهده می‌کنیم، در حقیقت توسط مغزمان دیده می‌شود. درست است که چشم‌ها ما را قادر می‌سازند تا چیزها را ببینیم، اما این مغز ماست که دیده‌ها را تحلیل می‌کند. در نتیجه درک بصری ما تحت تأثیر فرآیندهای مغزی است و به همین دلیل در بصری‌سازی مهم است که پیش از پرداختن به داده‌ها، کمی در مورد حافظه صحبت کنیم:انسان ۳ نوع حافظه دارد:الف) حافظه حسی که بخش دیداری آن iconic memory نام دارد. بخشی که به صورت ناخودآگاه ذخیره می‌شود و جنبه تکاملی دارد. اتفاقات در کسری از ثانیه از حافظه حسی به حافظه کوتاه‌مدت منتقل می‌شوند.ب) حافظه کوتاه‌مدت که ظرفیت محدودی دارد و افراد فقط می‌توانند ۴ المان را در لحظه در حافظه خود نگه‌ دارند. به همین دلیل بهتر است نمودارها تا حد امکان ساده باشند و مقادیر محورهای نمودار را روی خودش بنویسید تا مخاطب مجبور به استفاده بیش از حد از حافظه نباشد.ج) حافظه بلندمدت که خاطرات از حافظه کوتاه‌مدت به آن منتقل می‌شود. این حافظه با ترکیب تصویر و گفتار به بهترین شکل تحریک می‌شود و به همین دلیل است که در ارائه‌ها توصیه می‌شود از ترکیب تصاویر و متون استفاده کنیم.حافظه حسی ما اولین مواجهه با اطلاعات را دارد. استفاده از عوامل متمایزکننده باعث می‌شود مخاطب پیغام ما را در سریع‌تر زمان ممکن و بدون آگاهی مستقیم درک کند. به مثال زیر دقت کنید:این تمایز را در متن نیز می‌توان با استفاده از پررنگ کردن/ مورب کردن/ تغییر فونت/ رنگ/ ایجاد فاصله و ... ایجاد کرد.در نمودارها نیز می‌توان با استفاده از رنگ‌های مختلف، رعایت ترتیب قرار دادن دسته‌ها، برچسب زدن مستقیم داده‌ها و ... این تمایز را ایجاد کرد. نمونه‌ای از این تغییرات را می‌توان در مثال زیر مشاهده کرد:* نکته‌ای که در استفاده از رنگ‌ها اهمیت دارد، توجه به معنای آن‌ها (مثلاً سبز و قرمز)، در نظر گرفتن مشکل کور رنگیِ احتمالی برخی از مخاطبان و رنگ‌های برندی است که داده‌ها را برای آنها ارائه می‌دهیم.** هرگز ارائه‌ها را بیش از حد پیچیده نکنیم و به خاطر داشته باشیم که هرآنچه خواندنش سخت باشد، انجام دادنش نیز سخت است.*** فراموش نکنید متن‌ دوست ما است و متنِ‌ نتیجه‌گیری‌ها و نکات مهم را می‌توانیم به نمودارها اضافه کنیم.۵: مثالی برای پایان‌بندیبا توجه به همه چیزهایی که با هم مرور کردیم، مثالی پایانی برای بهبود بصری‌سازی داده‌ها را مرور می‌کنیم:تصور کنید نمودار زیر برای بررسی تأثیر برنامه تابستانی علوم طراحی شده تا به وسیله آن بتوان کمیته بودجه را برای برگزاری دوباره آن قانع کرد:با چه روش‌های دیگری می‌توان تأثیر این برنامه را در نمودارهای بصری برجسته کرد؟ نمودارهای زیر پیشنهادهایی برای بهتر نشان دادن تأثیر این برنامه هستند:۶: و مهم‌تر از همه؛ روایتپس از مرور همه روش‌هایی که با آن می‌توانیم به بهترین شکل داده‌ها را بصری کنیم، به ابتدای بحث برمی‌گردیم، اینکه چگونه به بهترین شکل داستان داده‌ها را روایت کنیم.برای لحظاتی به داستان‌هایی فکر کنید که از کودکی شنیده‌اید، شنل قرمزی، شنگول و منگول، حسنی و ...همه این داستان‌ها به دو دلیل مهم در ذهن ما ماندگار شده‌اند؛ تکرار شدن آنها در طول زمان که باعث شده به حافظه بلندمدت ما منتقل شوند و مهم‌تر از آن ترکیب جادویی داستان‌ها که از سه بخش مهم تشکیل شده: شروع (زمینه‌ یا طرح اصلی که داستان در آن اتفاق می‌افتد)چرخش داستان (لحظه‌ای که چالش یا گره داستان رخ می‌دهد)و پایان (باز شدن گره داستان)این تقسیم‌بندی در تمام آثاری که روایت در آن نقش دارند دیده می‌شوند. از همین المان‌ها می‌توان برای روایت داده‌ها نیز بهره‌مند شد:۱. شروع داستان همان بستری است که اتفاقات در آن رخ می‌دهند و پاسخ سوالاتی که در بخش اول پرسیده شد، به فراهم کردن این بستر کمک می‌کند. در این بخش مهم است بدانیم نقش اصلی چه کسی‌ است، اتفاقات در چه شرایطی رخ داده‌اند و مشکل اصلی کجاست.۲. در مرحله دوم باید شرایطی را ترسیم کنیم که با حل شدن مشکل اتفاق می‌افتند، همچنین ایده‌هایی که با توجه به داده‌ها به دست آورده‌ایم را بسط دهیم. مثال‌هایی از وضع موجود بزنیم و به مخاطبان نشان دهیم اگر تغییری رخ ندهد، شرایط چگونه پیش خواهد رفت. شناخت مخاطبان و انگیزه‌های آنها نقشی کلیدی در ترسیم بهتر وضع موجود و ایده‌آل دارد. استفاده بهینه از نمودارها، همین نقش را برای ما ایفا می‌کنند.۳. مرحله آخر روایت نیز تشویق به واکنش نشان دادن است. گاهی این واکنش می‌تواند شبیه به شروع بحثی باشد که منجر به تغییراتی در آینده می‌شود یا مستقیماً ایجاد تغییری در شرایط فعلی. اگر ندانیم در انتهای داستان چه کاری باید انجام شود، لازم است در علت روایت این داستان بازنگری کنیم.فراموش نکنید که حتی زیباترین نمودارها، بدون یک داستان جذاب، تأثیرگذار نخواهند بود. اما این داستان باید ساختار مشخصی داشته باشد تا مخاطب بتواند آن را درک کند. می‌توانیم داستان را به ترتیبی که رخ داده تعریف کنیم یا ابتدا از پایان‌بندی شروع کنیم و سپس به عقب بازگردیم و مخاطب را از روند داستان آگاه کنیم.اگر قرار است داستان را حضوری روایت کنیم، خودمان را برای واکنش‌های پیش‌بینی نشده مخاطبان آماده کنیم. پیشاپیش آنها را در جریان مسیری که قرار است در داستان طی شود (مثلاً شروع از نتیجه‌گیری) قرار دهیم تا همراهی آنها را جلب کنیم.اما در ارائه‌های نوشتاری، باید بیشتر دقت کنیم تا جزئیات را از قلم نیندازیم و ساختار شفافی را جلو ببریم که برای مخاطب قابل درک باشد، زیرا خودمان برای شفاف کردن ارائه‌ حضور نداریم.اگر به داستان‌های کودکی برگردیم، درباره تکرار شدن آنها صحبت کردیم. در ارائه‌ها نیز خوب است از این روش استفاده کنیم تا با تکرار کردن رئوس مطالبی که می‌خواهیم بررسی کنیم، آنها را در ذهن مخاطب تکرار و جای‌گیر کنیم. به عبارت دیگر بهتر است ابتدا خلاصه‌ای از همه یافته‌هایی بگوییم که می‌خواهیم به آنها بپردازیم، سپس به تفصیل در مورد هر یک از آنها صحبت کنیم و در انتها دوباره نکات مهمی که توضیح داده‌ایم را یادآوری کنیم.فراموش نکنید که این داستان درباره شما یا فقط داده‌ها نیست. در این داستان، مخاطب نقش اول را برعهده دارد. داستان درباره آنها است و داده‌ها باید به داستان آنها مرتبط شود تا در ذهن‌شان ماندگار شده و آنها را قانع کند.</description>
                <category>فاطمه چهرگان</category>
                <author>فاطمه چهرگان</author>
                <pubDate>Wed, 12 Jan 2022 18:37:13 +0330</pubDate>
            </item>
                    <item>
                <title>روایت‌گری با داده - قسمت نخست</title>
                <link>https://virgool.io/DivarDesign/%D8%B1%D9%88%D8%A7%DB%8C%D8%AA-%DA%AF%D8%B1%DB%8C-%D8%A8%D8%A7-%D8%AF%D8%A7%D8%AF%D9%87-rzqs9afxukqs</link>
                <description>ما به عنوان پژوهشگر، دانشجو و یا حتی مخاطبان عادی اخبار روزانه با نمودارهای زیادی سروکار داریم که می‌توانند گمراه‌کننده باشند. گاهی اوقات نمی‌توانیم به راحتی منظور آنها را بفهمیم یا حتی نمی‌دانیم چگونه از میان انبوهی از نمودارها و شیوه‌های بصری‌سازی داده دست به انتخاب بزنیم.در کتابی که در چند قسمت به مرور آن خواهیم پرداخت، Knaflic سعی کرده با بیان اصولی ساده ولی کاربردی ما را از این سردرگمی نجات دهد. هرچند که گاهی نویسنده نمی‌تواند از نظراتش دفاع کند و نکاتش سلیقه‌ای به نظر خواهد رسید ولی چارچوب کلی که برای بصری‌سازی داده (data visualization) به کار برده برای همه بسیار راه‌گشاست.کتاب داستان سرایی با داده راهنمایی برای بصری‌سازی داده‌هاست که عمدتاً بر فضای کسب‌وکارها تمرکز دارد، اما اصول آن در هر ارائه‌ای کاربردی است. نویسنده این کتاب که در زمینه بصری‌سازی داده‌های کمّی تخصص دارد ورکشاپ‌ها و دوره‌های مختلفی را برای آموزش موضوعاتی از این دست برگزار می‌کند. او پیش از دنبال کردن دغدغه شخصی آموزش به افراد، در بانک‌ها و موسسات خصوصی و شرکت‌های بزرگ فعالیت می‌کرده است. آخرین تجربه کاری او کار در گوگل به عنوان مدیر تیم people analytics بوده است.توانایی شما در روایتِ داستانِ داده‌ها مهم‌تر از استفاده از ابزارهای پیشرفته‌ی بصری‌سازی آن‌هاست، چرا که در نهایت این شما هستید که باید ترکیب ابزارها، تکنیک‌ها و عناصر داستانی به این داده‌ها جان می‌بخشید.برای داشتن ارائه‌ای با کیفیت همراه با نمایش صحیح داده‌ها، باید این ۶ قدم مهم را طی کنید:۱. بستر(context) را درک کنید.۲. شیوه بصری‌سازی مناسب را پیدا کنید.۳. شلوغی‌ و به‌هم‌ریختگی‌ها را حذف کنید.۴. توجه را به آن نقطه‌ای که می‌خواهید جلب کنید.۵. مثل یک طراح فکر کنید.۶. داستان روایت کنید.گام اول: اهمیت درک درست بستر (context)قبل از اینکه وارد مسیر بصری‌سازی داده شویم باید زمانی را به بررسی بستری اختصاص دهیم که این نیاز در آن شکل گرفته است. به عبارت دیگر باید پیش از انتخاب فرمتی که در آن داده‌ها را ارائه می‌دهید، به نکات زیر توجه کنید:تفاوت میان تحلیل اکتشافی (Exploratory analysis) و تحلیل توضیحی (Explanatory analysis)تحلیل‌ اکتشافی زمانی استفاده می‌شود که با بررسی داده‌ها می‌خواهید بدانید چه بخشی از آن‌ها اهمیت دارند تا توجه دیگران را به آن بخش جلب کنید. استفاده از روش اکتشافی مانند گشتن به دنبال مروارید در میان صدف‌ها است. شما ممکن است ۱۰۰ صدف (فرضیات مختلف) را باز کنید تا شاید در نهایت بتوانید ۲ مروارید پیدا کنید. زمانی که می‌خواهیم یافته‌ها را با مخاطبان در میان بگذاریم، از مرحله اکتشافی عبور کرده‌ و با تحلیل توضیحی داستان پیدا شدن آن دو مروارید را تعریف می‌کنیم.اشتباه غالب افراد این است که وسوسه می‌شوند داستان‌شان را از قسمت اکتشافی تعریف کنند تا زحماتی که در مسیر کشیده و خلاقیت‌هایی که به‌خرج داده‌اند، بازگو کنند. اما این کار مانند این است که از مخاطبان بخواهیم تک‌تک صدف‌ها را باز کنند تا مرواریدها پیدا شوند. تمام تلاش‌تان را بکنید تا در مقابل این وسوسه مقاومت کرده و فقط روی داستان مرواریدها تمرکز کنید.در تحلیل توضیحی و پیش از ساخت هرگونه ارائه بصری از داده‌ها یا تولید محتوا، باید برای این سوال مهم پاسخی کاملاً شفاف داشته باشیم: برای چه کسی، چه چیزی را، چگونه می‌خواهیم ارائه کنیم؟به عبارت دیگر باید بدانیمبرای چه کسانی در حال ارائه دادن هستیم و تصور آنها از جایگاه ما چیست؟چیزی به نام «ارائه‌ای برای همه» وجود ندارد. اگر دایره مخاطبان را بیش از حد وسیع در نظر بگیرید، ممکن است حتی نتوانید با یک نفر هم ارتباط مناسبی برقرار کنید، چرا که نمی‌توان در آنِ واحد دغدغه‌های مختلف را پوشش داد. برای اجتناب از این حالت، می‌توانید ارائه‌های متفاوتی برای گروه‌های مختلف آماده کنید یا تمرکز ارائه را بر ارتباط برقرار کردن با کسانی قرار دهید که تصمیم‌گیرنده هستند.جایگاه شما نیز به عنوان ارائه‌دهنده در این میان مهم است. استراتژی شما برای بهینه‌ترین حالت ارائه، بستگی به جایگاه و درک دیگران از موقعیت شما دارد. آیا به عنوان متخصص در حال صحبت هستید؟ یا کسی که نیاز دارد جایگاهش را تثبیت کند؟ اولین بار است که با این افراد ملاقات دارید یا رابطه محکمی میان شما وجود دارد؟ در نتیجه لازم است قبل از آماده کردن محتوا، برای این سوالات پاسخ شفافی داشته باشید.انتظار داریم مخاطبان پس از ارائه ما چه چیزی را متوجه شوند و یا چه کاری در این راستا انجام دهند؟همیشه پیش از هر ارائه‌ای باید بدانیم پس از ارائه اطلاعات مخاطبان ما باید چه اکشنی داشته باشند. اگر پاسخ این سوال را نمی‌دانیم، باید در ارائه اطلاعات نیز بازنگری کنیم. بسیاری تصور می‌کنند مخاطبان همیشه بهتر می‌دانند که با داده‌ها چه کنند، ولی این تصور اشتباهی است، چرا که شما به عنوان تحلیل‌گر تسلط بیشتری به موضوع دارید و باید پیشاپیش برای شما شفاف باشد که می‌خواهید از این داده‌ها چه استفاده‌ای بکنید. در این حالت، حتی اگر شما به اشتباه موضوعی را بررسی کنید، همین امر می‌تواند آغازی برای بحث در مورد راهکار صحیح باشد یا اگر در جایگاهی نیستید که راهکار مستقیمی پیشنهاد دهید، سعی کنید در شکل‌دهی به بحث نقش مستقیمی داشته باشید. روشی (مکانیسمی) که برای ارتباط برقرار کردن با مخاطبان‌تان پیش می‌گیرید می‌تواند بسیار متنوع باشد، چرا که عوامل زیادی در انتخاب شیوه ارتباط شما تاثیر دارد. اما اگر شیوه ارتباط را یک طیف در نظر بگیریم که یک سر آن ارائه زنده و حضوری و سر دیگر آن ارائه یک متن نوشتاری باشد، در نتیجه کنترل شما بر مخاطبان نیز می‌تواند زیاد یا کم شود. تصویر زیر سعی کرده این طیف را ترسیم کند:به طور خلاصه اگر شما در حال ارائه حضوری هستید، اگرچه تسلط بیشتری به مخاطبان دارید، اما مهم هست که آماده سوال پرسیدن، کم یا زیاد کردن سرعت ارائه و قطع شدن بحث به واسطه سوال‌ها باشید. در مقابل زمانی که متنی را غیرحضوری ارائه می‌دهید، تسلط شما بر مخاطب کاهش می‌یابد و باید تا حد امکان جزئیات را توضیح دهید. چرا که برای پاسخ به سوالات فرصتی ندارید و تنها متن باید بتواند از شما دفاع کند.داده‌ها چگونه به شما برای رسیدن به مقصودتان کمک خواهد کرد؟کدام شیوه ارائه و دسته‌بندی داده می‌تواند به بهترین شکل نیاز شما را پاسخ دهد؟ پاسخ به این سوال موضوع اصلی این کتاب است که در فصل‌های متعددی به آن پرداخته شده است. اما در کنار پاسخ به سوالات پیشین که هر کدام اهمیت ویژه‌ای دارند، باید به این سوالات نیز به ترتیب پاسخ دهیم.مثلاً تصور کنید برای کمیته‌ای در حال ارائه آمارید که مسئولیت تایید بودجه آموزشی تابستان را برعهده دارند. در این حالت، مخاطبان شما اعضای کمیته تایید بودجه هستند و موضوع تایید بودجه برنامه تابستان به دلیل موفقیت برنامه فصل بهار است.نتایج پژوهش‌های پیمایشی که از شرکت‌کنندگان برنامه، قبل و بعد از بهار تهیه شده، این موفقیت را اثبات خواهد کرد.ممکن است این سوال برای شما پیش بیاید که چگونه می‌توانیم با موفقیت و در بهینه‌ترین حالت داده‌ها را با مخاطبان درمیان بگذاریم؟برای این کار ۳ روش وجود دارد که به شما کمک می‌کند تسلط بیشتری روی موضوع داشته باشید:داستانی ۳ دقیقه‌ای: تصور کنید شما برای ارائه یافته‌ها تنها ۳ دقیقه فرصت دارید تا مخاطبان را از همه‌ نکات مهم مطلع کنید. این ۳ دقیقه شاکله اصلی داستان شماست و اگر بر آن مسلط باشید، تحت هر شرایطی مخاطبان با شما همراه می‌شوند و از تمام نکات کلیدی آگاه خواهند شد.ایده اصلی: از ۳ بخش مهم تشکیل شده است که باید برای هر بخش آن پاسخ شفافی داشته باشید:بیانگر نقطه نظر خاص شما باشد.محوریت آن با موضوع مورد بررسی شما باشد.تنها در یک عبارت کامل قابل بیان باشد.مثال بالا را می‌توان به این شکل تبدیل به یک ایده اصلی کرد:برنامه آموزشی تابستان که به صورت آزمایشی برگزار شد، در بهبود درک دانش‌آموزان از درس علوم موفق بود، و به دلیل همین موفقیت ما پیشنهاد می‌کنیم که این برنامه‌های تابستانی را ادامه دهیم. لطفاً اختصاص بودجه به این برنامه را تایید کنید.استوری‌برد (story boarding): روشی بصری برای نشان دادن مسیر ذهنی شما در پرداختن به موضوع است. در اینجا با ارائه ساختاری که طی خواهید کرد، از موضوع اصلی تا راه‌حل/یافته‌ها را نمایش می‌دهید تا چارچوب مسیر شفاف شود.تا اینجا به صورت کلی مهم‌ترین نکاتی را بررسی کردیم که برای درک بهتر بستر ارائه داده‌ها نیازمندیم، یا به عبارت دیگر گام اول را بررسی کردیم. در پست‌ بعدی، به توضیح نمودارها و استفاده خاص هرکدام خواهیم پرداخت و گام‌های دیگر را نیز بررسی خواهیم کرد.</description>
                <category>فاطمه چهرگان</category>
                <author>فاطمه چهرگان</author>
                <pubDate>Wed, 04 Aug 2021 17:46:09 +0430</pubDate>
            </item>
            </channel>
</rss>