Präsentation von Daten: Unterschied zwischen den Versionen
(Die Seite wurde neu angelegt: „{{Nav|Navigation|Wissenschaftliche Kommunikation|Kommunikation und Recherche}} Mit der Durchführung eines Versuchs ist die Arbeit lange noch nicht getan. Die…“) |
Diana (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
||
| (4 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt) | |||
| Zeile 7: | Zeile 7: | ||
<br/> | <br/> | ||
Sehr viel übersichtlicher ist in diesem Fall jedoch eine '''Grafik'''.<br/> | Sehr viel übersichtlicher ist in diesem Fall jedoch eine '''Grafik'''.<br/> | ||
Grafiken sind vor allem bei komplizierten Datenmustern wie [[Interaktionen]] zwischen den UV/Faktoren eines Experiments vorzuziehen. <br/> | Grafiken sind vor allem bei komplizierten Datenmustern wie [[Interaktionseffekte|Interaktionen]] zwischen den UV/Faktoren eines Experiments vorzuziehen. <br/> | ||
Dabei können 2 einfache Arten unterschieden werden:<br/> <br/> | Dabei können 2 einfache Arten unterschieden werden:<br/> <br/> | ||
'''Liniendiagramme''' sind besonders zur Darstellung von Trends geeignet - sie implizieren eine kontinuierliche Abstufung der Datenpunkte (mindestens ordinalskalierte UV). Ist diese kontinuierliche Abstufung nicht gegeben (nominal-skalierte UV), sollten '''Säulendiagramme''' verwendet werden. Eine Ausnahme für diese Regel ist z.B., wenn man den Zusammenhang zwischen bestimmten Datenpunkt betonen möchte (z.B. bei mehreren Datenreihen innerhalb einer Grafik). In diesem Fall kann man auch für nominal-skalierte UV ein Liniendiagramm wählen. <br/> | '''Liniendiagramme''' sind besonders zur Darstellung von Trends geeignet - sie implizieren eine kontinuierliche Abstufung der Datenpunkte (mindestens ordinalskalierte UV). Ist diese kontinuierliche Abstufung nicht gegeben (nominal-skalierte UV), sollten '''Säulendiagramme''' verwendet werden. Eine Ausnahme für diese Regel ist z.B., wenn man den Zusammenhang zwischen bestimmten Datenpunkt betonen möchte (z.B. bei mehreren Datenreihen innerhalb einer Grafik). In diesem Fall kann man auch für nominal-skalierte UV ein Liniendiagramm wählen. <br/> | ||
| Zeile 13: | Zeile 13: | ||
*Jeder Datenpunkt sollte mit einem Fehlermaß, z.B. dem [[Konfidenzintervall]] oder dem [[Standardfehler]] dargestellt werden. So können Unterschiede zwischen verschiedenen Datenpunkten besser eingeschätzt werden. | *Jeder Datenpunkt sollte mit einem Fehlermaß, z.B. dem [[Konfidenzintervall]] oder dem [[Standardfehler]] dargestellt werden. So können Unterschiede zwischen verschiedenen Datenpunkten besser eingeschätzt werden. | ||
*Wählt man eine bestimmte Skalierung der Y-Achse, um die gefundenen Effekte besonders zu betonen, so müssen Unterbrechungen der Y-Achse klar markiert werden. <br/> | *Wählt man eine bestimmte Skalierung der Y-Achse, um die gefundenen Effekte besonders zu betonen, so müssen Unterbrechungen der Y-Achse klar markiert werden. <br/> | ||
[[Datei:Präsentation.png|300px|right]] | |||
''Zeigt man z.B. nur den Bereich 10-26 ms, so muss auf der Y-Achse klar der Nullpunkt erkennbar sein, dann eine Unterbrechung und dann der Bereich 10-26 ms.'' <br/> <br/> | ''Zeigt man z.B. nur den Bereich 10-26 ms, so muss auf der Y-Achse klar der Nullpunkt erkennbar sein, dann eine Unterbrechung und dann der Bereich 10-26 ms.'' <br/> <br/> | ||
Fehlen diese Elemente, sollte darauf geachtet werden, dass nicht etwa eine '''Effektvortäuschung''' vorliegt, beispielsweise durch Skalierungen zusammen mit ungekennzeichneten Verschiebungen des Nullpunktes und einem fehlenden Fehlermaß. <br/> | Fehlen diese Elemente, sollte darauf geachtet werden, dass nicht etwa eine '''Effektvortäuschung''' vorliegt, beispielsweise durch Skalierungen zusammen mit ungekennzeichneten Verschiebungen des Nullpunktes und einem fehlenden Fehlermaß. <br/> | ||
<br/> | <br/> | ||
Letztlich sollte dem Betrachter immer bewusst sein, dass bereits die Darstellung von Daten eine gewisse Verzerrung beinhalten kann – und dass in den Daten allein keine Aussage steckt. Diese kommt erst durch den Schritt der Interpretation zustande, der niemals komplett objektiv sein kann. | Letztlich sollte dem Betrachter immer bewusst sein, dass bereits die Darstellung von Daten eine gewisse Verzerrung beinhalten kann – und dass in den Daten allein keine Aussage steckt. Diese kommt erst durch den Schritt der Interpretation zustande, der niemals komplett objektiv sein kann. | ||
Aktuelle Version vom 17. Juli 2015, 13:07 Uhr
Mit der Durchführung eines Versuchs ist die Arbeit lange noch nicht getan. Die Darstellung der Ergebnisse spielt eine entscheidende Rolle in der wissenschaftlichen Kommunikation – sei es in Vorträgen, Artikeln (Forschungsberichten) oder Postern.
In wissenschaftlichen Berichten ist eine Präsentation in Textform im gewissem Umfang immer gefordert. Bei einfachen Daten kann diese schon ausreichend sein.
Umfangreiche Daten können, vor allem wenn Präzision wichtig ist, mit einer Tabelle dargestellt werden.
Sehr viel übersichtlicher ist in diesem Fall jedoch eine Grafik.
Grafiken sind vor allem bei komplizierten Datenmustern wie Interaktionen zwischen den UV/Faktoren eines Experiments vorzuziehen.
Dabei können 2 einfache Arten unterschieden werden:
Liniendiagramme sind besonders zur Darstellung von Trends geeignet - sie implizieren eine kontinuierliche Abstufung der Datenpunkte (mindestens ordinalskalierte UV). Ist diese kontinuierliche Abstufung nicht gegeben (nominal-skalierte UV), sollten Säulendiagramme verwendet werden. Eine Ausnahme für diese Regel ist z.B., wenn man den Zusammenhang zwischen bestimmten Datenpunkt betonen möchte (z.B. bei mehreren Datenreihen innerhalb einer Grafik). In diesem Fall kann man auch für nominal-skalierte UV ein Liniendiagramm wählen.
Um einen Effekt klar zu kommunizieren, sind folgende Besonderheiten der wissenschaftlich korrekten Abbildung zu beachten:
- Jeder Datenpunkt sollte mit einem Fehlermaß, z.B. dem Konfidenzintervall oder dem Standardfehler dargestellt werden. So können Unterschiede zwischen verschiedenen Datenpunkten besser eingeschätzt werden.
- Wählt man eine bestimmte Skalierung der Y-Achse, um die gefundenen Effekte besonders zu betonen, so müssen Unterbrechungen der Y-Achse klar markiert werden.
Zeigt man z.B. nur den Bereich 10-26 ms, so muss auf der Y-Achse klar der Nullpunkt erkennbar sein, dann eine Unterbrechung und dann der Bereich 10-26 ms.
Fehlen diese Elemente, sollte darauf geachtet werden, dass nicht etwa eine Effektvortäuschung vorliegt, beispielsweise durch Skalierungen zusammen mit ungekennzeichneten Verschiebungen des Nullpunktes und einem fehlenden Fehlermaß.
Letztlich sollte dem Betrachter immer bewusst sein, dass bereits die Darstellung von Daten eine gewisse Verzerrung beinhalten kann – und dass in den Daten allein keine Aussage steckt. Diese kommt erst durch den Schritt der Interpretation zustande, der niemals komplett objektiv sein kann.