10 nguyên tắc đơn giản để truyền tải thông tin khoa học bằng hình ảnh hiệu quả hơn (Phần 2)
10 nguyên tắc đơn giản để truyền tải thông tin khoa học bằng hình ảnh hiệu quả hơn (Phần 1)
Quy tắc 6: Sử dụng hiệu ứng màu sắc
Màu sắc là một yếu tố quan trọng đối với thị giác của con người, và do đó, nó cũng không kém phần quan trọng trong việc tạo dựng các bức ảnh. Tuy nhiên, yếu tố này lại là “con dao hai lưỡi”, có khi nó sẽ là một đồng minh tốt với bạn, nhưng lúc khác lại trở thành kẻ phản bội xấu xa nếu không được sử dụng hợp lý. Nếu bạn muốn sử dụng hiệu ứng màu sắc để truyền tải thông điệp thì cần phải cân nhắc kỹ các loại màu và vị trí dùng màu. Ví dụ, để làm nổi bật một vài yếu tố trong bức ảnh, bạn có thể tô màu cho yếu tố đó, và giữ nguyên màu xám hoặc màu đen với các yếu tố còn lại. Như vậy, nó sẽ giúp bạn tăng hiểu quả truyền tải thông tin. Tuy nhiên, nếu bức ảnh không cần dùng đến hiệu ứng màu, thì lúc này, bạn cần phải tự hỏi lại: “Liệu bức ảnh đó có nhất thiết là màu xanh và không phải là màu đen hay không?” Nếu không có được câu trả lời, hãy giữ nguyên màu đen cho nó! Đó là màu đơn sắc, còn đối với bảng nhiều màu, cũng tương tự như vậy. Chúng ta không nên dùng các bảng màu mặc định (ví dụ như hiệu ứng tia màu, hiệu ứng màu cầu vồng…) trừ phi có một lý do bắt buộc nào đó. Các bảng màu, theo truyền thống, được phân thành 3 loại chính:
- Trình tự (Sequential): là một chuỗi trình tự từ nhạt đến đậm của một màu duy nhất, dùng cho các dữ liệu mang tính định lượng để thể hiện mức độ từ thấp đến cao.
- Khác biệt (Diverging): là một loạt các tuyến màu khác nhau, dùng để làm nổi bật sự chênh lệch của các giá trị so với giá trị trung bình.
- Định tính (Qualitative): gồm nhiều màu khác nhau, thường dùng cho các dữ liệu tuyệt đối hoặc rời rạc.
(doi:10.1371/journal.pcbi.1003833.g005)
Quy tắc 7: Đừng làm người đọc “lầm đường lạc lối”Điều làm cho một bức hình khoa học khác biệt với một bức hình nghệ thuật là nó phải thể hiện các dữ liệu một cách khách quan nhất. Một bức hình khoa học, ngay từ định nghĩa, đã gắn liền với các số liệu (có thể là số liệu thực nghiệm, mô hình, hoặc kết quả thí nghiệm…), và nếu mối liên kết này bị mất, bạn sẽ không thể truyền tải đúng thông điệp đến người xem. Có một số các lựa chọn được cài đặt trong thư viện hoặc phần mềm mà bạn đang sử dụng, hầu hết chúng truyền tải chính xác các thông điệp trong đa số trường hợp, nhưng lại thất bại ở một vài trường hợp cụ thể. Nếu phần mềm của bạn tự động đánh giá lại các trị số, về cơ bản, bạn đã có được một biểu đồ đầy tính khách quan (với tựa đề, nhãn ghi chú, điểm đánh dấu, v.v..), nhưng thật ra, bạn đã dẫn dắt người đọc vào sai đường rồi đấy! Bạn đã vô tình làm cho họ nhận ra một điều nào đó nhưng lại không có thực trong bảng dữ liệu của bạn. Cũng có thể bạn sai lầm ở phần chọn lựa biểu đồ, như sử dụng biểu đồ bánh, hoặc biểu đồ 3D để so sánh các giá trị mang tính định lượng, bởi vì đây là 2 loại biểu đồ chỉ dùng để biểu hiện các giá trị phầm trăm (%) mang tính tương đối. Vì vậy, điều quan trọng là bạn cần phải lựa chọn các loại biểu đồ đơn giản nhất, và điền đầy đủ các giá trị cần thiết để truyền tải được đúng thông điệp của mình. Cuối cùng, hãy mạnh dạn nhờ bạn bè xem qua bức hình để xem họ có hiểu đúng những điều bạn muốn truyền tải không.
Hình 6. Hai bức hình bên trái chúng tôi trình bày 4 giá trị 30, 20, 15, 10. Hình ở trên, chúng tôi dùng công cụ disc area để biểu hiện các giá trị, trong khi hình dưới được vẽ bằng disc radius. Và chúng ta thấy có một sự khác biệt lớn ở đây. Ở hình dưới, vòng tròn màu đỏ nhỏ nhất tương ứng với giá trị 10 nhỏ hơn rất nhiều so với vòng lớn nhất mang giá trị 30, mặc dù tỉ lệ giữa chúng chỉ là 1:3. Tình huống này rất hay bắt gặp trong các bài báo vì chế độ disc radius sẽ giúp tạo ra các vòng tròn mà người xem dễ dàng nhận ra sự khác biệt giữa các giá trị hơn. Tuy nhiên, đối với khoa học, bức hình vẽ bằng disc radius đã phản ánh sai sự thật. Mặt khác, đối với 2 bức hình bên phải, chúng tôi hiển thị một chuỗi 10 giá trị bằng biểu đồ cột với chế độ full range ở trên (trục tung (y): từ 0 đến 100) và partial range ở dưới (trục tung (y): từ 80 đến 100). Và chúng tôi cũng cố tình dấu đi trục (y) để làm tăng sự mơ hồ. Như vậy, với cùng một chuỗi giá trị, nhưng chúng tôi đã đem đến 2 sự nhận định khác biệt cho người xem. Biểu đồ trên đã ngụ ý rằng sự khác biệt giữa các giá trị là không đáng kể, trong khi biểu đồ dưới lại làm cho người xem hiểu rằng chúng khá khác biệt nhau. (doi:10.1371/journal.pcbi.1003833.g006)
Quy tắc 8: Tránh các yếu tố gây nhiễu (“Chartjunk”)
Thuật ngữ “chartjunk” dùng để chỉ các yếu tố được chèn vào bức hình không có mục đích nào khác ngoài việc “trang trí”. Nó không thể đưa đến cho người đọc bất kỳ thông điệp gì từ đấy, thậm chí có thể làm người đọc mơ hồ, hiểu sai vấn đề, và chỉ làm tốn mực in và các điện tử trên máy tính! “Chartjunk” bao gồm các yếu tố như quá nhiều màu, quá nhiều ghi chú, tô màu nền vô cớ, chèn các đường kẻ vô dụng, … Vì vậy, chúng ta chỉ cần đưa đầy đủ thông tin, dữ liệu cần thiết, và dùng hiệu ứng màu hợp lý lên biểu đồ để truyền đạt chính xác thông điệp đến người xem là được. Tuy nhiên, chúng ta cũng nên hiểu rằng, một yếu tố được xem là “chartjunk” ở biểu đồ này không có nghĩa là vô dụng ở biểu đồ khác. Ví dụ như biểu đồ bên phải của hình 7, các đường nền màu xám trở nên hữu dụng khi biểu hiện khoảng giá trị [-1;+1] của biểu đồ.
Hình 7. Chúng tôi có 7 chuỗi giá trị, và chúng tôi muốn trình bày hết tất cả 7 chuỗi lên cùng một biểu đồ để so sánh. Tuy nhiên, biểu đồ bên trái chắc chắn là một tác phẩm tệ. Từng đường biểu diễn đã bao phủ hết những đường còn lại, với nhiều màu sắc khác nhau, kết quả là tạo nên một đám rối trên biểu đồ. Khung chú giải đã che đi một phần của các đường biểu diễn, làm cho chúng ta không thể phát hiện được điểm hay (nếu có) ở khu vực này. Các giá trị (x) nằm chồng lên nhau, lấy thập phân đến 3 chữ số nên không thể đọc rõ và tạo cảm giác các giá trị không có gì khác biệt nhau. Cuối cùng, các đường kẻ ô trên nền của biểu đồ dường như vô dụng trong tình huống này vì chúng không được sắp cùng với các tín hiệu của đường biểu diễn để chỉ rõ sự khác biệt nhỏ bé giữa những điểm cùng vị trí với nhau. Ngược lại, với biểu đồ bên phải, chúng ta đã có thể dễ dàng đọc hiểu hơn. Các đường biểu diễn được tách thành 7 dòng, và được tô đậm theo từng chuỗi giá trị tương ứng, trong khi các đường còn lại được tô nhạt hơn ở phía sau. Tên của các chuỗi được đặt ở bên trái, không sử dụng màu và khung chú giải. Các số liệu ở trục (x) đã được cắt giảm xuống còn 3 giá trị với các đường kẻ nhỏ tương ứng. (doi:10.1371/journal.pcbi.1003833.g007)
Quy tắc 9: “Cái nết đánh chết cái đẹp”
Từ xa xưa, hình ảnh minh họa đã được các bậc tiền bối đưa vào trong những tài liệu khoa học. Qua thời gian, quá trình này được cải tiến rất nhiều, và mỗi lĩnh vực khoa học đều đã tự xây dựng những quy cách riêng để diễn đạt thông tin tốt nhất cho chuyên ngành của mình. Vì vậy, khi muốn đưa ảnh vào bài báo, chúng ta cần phải nắm rõ những tiêu chuẩn của từng lĩnh vực, để có thể dễ dàng so sánh các mô hình, các nghiên cứu, hoặc các thí nghiệm với nhau hơn. Hơn nữa, nó cũng sẽ giúp bạn phát hiện ra những lỗi sai trong kết quả nghiên cứu của mình. Tuy nhiên, thực tế là không có một hình mẫu chuẩn nào có thể miêu tả kết quả nghiên cứu của riêng bạn, bạn cần phải tự tạo một bức ảnh/ biểu đồ hoàn toàn mới cho các dữ liệu của mình. Lúc này, bạn cần tìm kiếm các bài báo có những bức ảnh/ biểu đồ mà lời diễn giải kết quả bên dưới tương tự với kết quả nghiên cứu của bạn, và chúng ta có thể áp dụng cách tạo dựng bức ảnh/ biểu đồ đó để mô tả các dữ liệu cho bài báo của mình. (Chú ý rằng, bạn chỉ nên áp dụng cách vẽ, chứ không nên sao chép đâu nhé!) Bên cạnh đó, chúng ta có thể tìm thấy vô vàn các biểu đồ được vẽ trực tuyến trên các trang web, tuy nhiên, chúng chỉ có tính thẩm mĩ là chính, còn nội dung chỉ là thứ yếu. Ngày nay, ranh giới giữa việc hiển thị các dữ liệu khoa học bằng hình ảnh/ biểu đồ với các hình vẽ chỉ mang tính nghê thuật đang ngày càng mong manh. Do đó, chúng ta phải luôn ghi nhớ rằng , trong khoa học, tiêu chí quan trọng nhất khi tạo một bức ảnh/biểu đồ chính là có thể truyền đạt được thông tin chính xác và dễ hiểu, còn tính thẩm mĩ chỉ là yếu tố “tùy chọn”.
Hình 8. Bức hình này là một ví dụ rõ nét cho quy tắc 9 vì nó hoàn toàn có thể truyền tải đầy đủ thông tin và chính xác đến người xem, mặc dù tính thẩm mỹ thì cần phải xem xét lại. “Uncanny valley” là một giả thuyết khá nổi tiếng trong lĩnh vực chế tạo robot và đồ họa 3D, nó tạo cho ta một cảm giác như đang đối diện với “người thật” khi tương tác với một chú robot. Để thể hiện nội dung của giả thuyết, tác giả đã dùng công cụ vẽ phác thảo và font hoạt hình để làm tăng hiệu ứng khi diễn giải bằng miệng. Các giá trị (x) và (y) đều đã được lược giản, và chỉ để lại đường biểu diễn. Như vậy, trong trường hợp này, việc sử dụng chế độ vẽ phác thảo để truyền đạt đã thành công, dù tính thẩm mỹ không cao. (doi:10.1371/journal.pcbi.1003833.g008)
Quy tắc 10: Chọn đúng công cụ tạo ảnh
Hiện nay, có rất nhiều các công cụ có thể giúp bạn dễ dàng tạo dựng các biểu đồ hay hình ảnh. Tùy vào từng loại biểu đồ/ hình ảnh mà bạn muốn vẽ, thì sẽ có những phần mềm tương ứng. Tuy nhiên, bạn cần lưu ý rằng những phần mềm hay thư viện này có thể sẽ khác với phần mềm/ thư viện mà bạn dùng để tiến hành nghiên cứu hay phân tích dữ liệu. Và dưới đây là một số các phần mềm mà bạn có thể truy cập miễn phí để phục vụ cho việc tạo dựng biểu đồ/ hình ảnh cho mình:
Matplotlib: chủ yếu dành cho biểu đồ 2D, hỗ trợ một phần 3D, phù hợp với nhiều định dạng in ấn.
R: dùng cho thống kê và vẽ đồ thị
Inkscape: dùng để tạo những bức ảnh phức tạp, cải thiện bản vẽ nháp, hoặc trích lục các bức ảnh từ file PDF và thay đổi định dạng theo ý muốn.
TikZ and PGF: dùng cho việc tạo các bức ảnh có độ tinh tế cao để có thể phóng to khi xem bằng máy tính và dễ in ấn.
GIMP: dùng cho chỉnh sửa ảnh, phối ảnh, và tạo ảnh.
ImageMagic: phù hợp cho việc tạo, chỉnh sửa, phối hợp, chuyển đổi định dạng ảnh.
D3.js: là một thư viện JavaScript, tạo và điều khiển các dạng đồ thị có tín tương tác.
Cytoscape: dùng để diễn đạt một mạng lưới dữ liệu phức tạp.
Circos: dùng để hiển thị các dữ liệu di truyền, tạo ảnh từ các số liệu, diễn đạt các mối quan hệ giữa chúng hoặc chú giải nhiều lớp nghĩa của một hay nhiều trị số.
Nguồn: https://hal.inria.fr/hal-01063732/document
Dịch giả Phùng Kiều Loan
