Visualização e infográficos : influência na compreensão de dados e interesse dos leitores
Bibliographic record
Abstract
Esta dissertação investiga o impacto de princípios de design de visualizações de dados sobre a compreensão e o interesse de leitores em reportagens jornalísticas. A pesquisa se fundamenta na hipótese de que a aplicação de princípios como o da proporção adequada da tinta de dados (Tufte, 2001) e a escolha da representação visual de acordo com a tarefa de percepção utilizada para visualizá-la (Cleveland & McGill, 1984) podem favorecer a interpretação das informações apresentadas em infográficos. Para testar essa hipótese, foi conduzido um experimento com 243 participantes, cada um exposto a uma variação controlada de infográficos em reportagens reais. A coleta de dados foi realizada por meio de questionário online e incluiu medidas de compreensão, interesse declarado, tempo de resposta e variáveis sociodemográficas. As análises estatísticas, realizadas com regressão linear múltipla, permitiram avaliar os efeitos dos princípios de design visual, controlando-se fatores como idade, escolaridade e tipo de dispositivo utilizado. Os resultados indicaram que a aplicação do princípio da proporção da tinta de dados pode acarretar em desinteresse do leitor pela reportagem, e que a variável “idade” foi a única a apresentar correlação significativa (negativa) com o tempo de resposta. A pesquisa não encontrou nenhuma correlação entre a aplicação do princípio das tarefas elementares de percepção e a compreensão ou interesse do leitor. A dissertação contribui para os estudos em jornalismo de dados ao propor um modelo experimental replicável para a avaliação de infográficos, dialogando com teorias do design da informação, cognição visual e letramento gráfico.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.091 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".